python三维插值从规则网格到散点_python实现二维插值的三维显示

本文实例为大家分享了二维插值的三维显示具体代码，供大家参考，具体内容如下

# -*- coding: utf-8 -*-

"""

演示二维插值。

"""

# -*- coding: utf-8 -*-

import numpy as np

from mpl_toolkits.mplot3d import Axes3D

import matplotlib as mpl

from scipy import interpolate

import matplotlib.cm as cm

import matplotlib.pyplot as plt

def func(x, y):

return (x + y) * np.exp(-5.0 * (x ** 2 + y ** 2))

# X-Y轴分为20*20的网格

x = np.linspace(-1, 1, 20)

y = np.linspace(-1, 1, 20)

x, y = np.meshgrid(x, y) # 20*20的网格数据

fvals = func(x, y) # 计算每个网格点上的函数值 15*15的值

fig = plt.figure(figsize=(9, 6)) #设置图的大小

# Draw sub-graph1

ax = plt.subplot(1, 2, 1, projection='3d') #设置图的位置

surf = ax.plot_surface(x, y, fvals, rstride=2, cstride=2, cmap=cm.coolwarm, linewidth=0.5, antialiased=True) #第四个第五个参数表示隔多少个取样点画一个小面，第六个表示画图类型，第七个是画图的线宽，第八个表示抗锯齿

ax.set_xlabel('x')

ax.set_ylabel('y')

ax.set_zlabel('f(x, y)') #标签

plt.colorbar(surf, shrink=0.5, aspect=5) # 标注

# 二维插值

newfunc = interpolate.interp2d(x, y, fvals, kind='cubic') # newfunc为一个函数

# 计算100*100的网格上的插值

xnew = np.linspace(-1, 1, 100) # x

ynew = np.linspace(-1, 1, 100) # y

fnew = newfunc(xnew, ynew) # 仅仅是y值 100*100的值 np.shape(fnew) is 100*100

xnew, ynew = np.meshgrid(xnew, ynew)

ax2 = plt.subplot(1, 2, 2, projection='3d')

surf2 = ax2.plot_surface(xnew, ynew, fnew, rstride=2, cstride=2, cmap=cm.coolwarm, linewidth=0.5, antialiased=True)

ax2.set_xlabel('xnew')

ax2.set_ylabel('ynew')

ax2.set_zlabel('fnew(x, y)')

plt.colorbar(surf2, shrink=0.5, aspect=5) # 标注

plt.show()

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持找一找教程网。