python二维分布图怎么画_Python-Matplotlib做二维密度分布图

之前一直想尝试着用Matplotlib绘制计算结果中的二维密度分布图，这样即省去了许多数据处理的麻烦，也方便直接在Linux系统中观察计算的结果。但对Numpy和Maltplotlib的熟练程度还不够，对于计算程序产生的非矩阵式的数据结构不知道该怎么处理。今天花了一早上仔细研究了一下，终于将这块硬骨头啃下来了。

做colormap图的关键在于矩阵的创建，作为坐标的x与y在形状上为呈转置关系的两个矩阵（即x的行数与y的列数相等，反之亦然），在内容上则应为x以行的形式重复，y以列的形式重复。想要产生这样的两个矩阵，可以通过Numpy中的函数np.meshgrid(x,y)来实现。用于表示值变化的z则为一个二维数组，即对于每一对x，y都应存在一个值z[x][y]。在一般的做法中，z值可以通过以x，y为自变量的函数产生。

我这里遇到的问题是已有的数据是三个一维数组。相当与将上述的x，y，z矩阵一一对应地平铺开来。这样的数据在Origin中作图十分方便，但在Matplotlib中就得预先处理一下。这个过程实则是将平铺开的数组再压缩回去。

首先要用np.unique()函数对x和y的数组进行压缩，得到无重复数值的xn与yn，再使用np.meshgrid()函数将xn与yn编织成上文所述的矩阵。对z值的处理需要谨慎一些，需要依次寻找每一个x与y共同对应地唯一的z值。最初的x，y，z是三个等长度的数组，共同的索引编号是它们确保一一对应的锁链。这里可以借助np.argwhere()函数找出x与y数组中某个值的索引，由于x，y是具有重复值的数组，这个索引将是两个包含许多位置的数组。所以我们还需要对两个索引数组用np.intersect1d()函数求并集得到唯一的z数组中的索引数。具体的操作应为：

xn = np.unique