数据源:excel表中的列数据,X、Y、Z
目的:快速实现带等位线的等高线图
结果图:
直接代码:
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import griddata
from matplotlib.colors import ListedColormap
# 第一步:从Excel文件中加载数据
file_path = 'C:/Users/PC/Desktop/TestData.xlsx' # 这是你上传的文件路径
df = pd.read_excel(file_path)
# 第二步:提取X、Y和Eff数据(根据自己需求灵活添加)
x = df['X'] # 提取X轴数据
y = df['Y'] # 提取Y轴数据
eff = df['Eff'] # 提取Eff值
# 第三步:创建网格并对Eff数据进行插值
xi = np.linspace(x.min(), x.max(), 100) # 创建X轴的网格,间距100
yi = np.linspace(y.min(), y.max(), 100) # 创建Y轴的网格,间距100
xi, yi = np.meshgrid(xi, yi) # 生成网格点阵,为后续的插值计算做准备
# 使用插值方法将Eff值映射到网格上,这个二维数组可以直接用于绘制等高线图、热图或三维表面图
zi = griddata((x, y), eff, (xi, yi), method='cubic') # cubic为三次插值(更平滑,计算量较大)
# 将插值后的zi数据限制在实际Eff数据的最小值和最大值之间
zi = np.clip(zi, eff.min(), eff.max())
# 第四步:设置颜色映射和等高线级别
cmap_zdy = plt.cm.jet # 使用蓝色到红色的jet颜色映射 viridis:深蓝到黄绿色 plasma:深紫到黄色 coolwarm:冷色到暖色
# 定义等高线级别:从0.65到0.90使用0.05间隔,0.90到0.95使用0.01间隔
levels_zdy = np.concatenate([np.arange(0.65, 0.9, 0.05), np.arange(0.9, 0.96, 0.01)])
# 第五步:绘制等高线图
plt.figure(figsize=(14, 10)) # 设置图表大小
# 使用自定义的颜色映射绘制填充图
contour_plot = plt.contourf(xi, yi, zi, levels=np.linspace(0, 0.95, 100), cmap=cmap_zdy)
# 添加黑色的等高线,但仅在0.65以上的范围
contours = plt.contour(xi, yi, zi, levels=levels_zdy, colors='black', linewidths=0.5)
# 为等高线自动添加标签,减少标签密度
# plt.clabel(contours, fmt='%1.2f', inline=True, fontsize=10, inline_spacing=5)
# 通过manual参数在明显空挡的地方手动放置标签
plt.clabel(contours, fmt='%1.2f', inline=True, fontsize=9, manual=True)
# 设置轴标签和图表标题
plt.xlabel('X')
plt.ylabel('Y')
plt.title('XY-EFF 2D Contour Plot')
# 添加颜色条并设置图例(如EFF),颜色条从0到1
cbar = plt.colorbar(contour_plot, ticks=np.arange(0, 1, 0.05))
cbar.set_label('EFF', rotation=270, labelpad=20)
# 第六步:保存最终生成的等高线图
output_path = 'C:/Users/PC/Desktop/XY_EFF_2DAdjusted-1.png'
plt.savefig(output_path)
plt.show()