将数据数组转换为近似等高线图 (Python)

Question

我有 3 个由 3 个列表组成的数组：

\n

 x = np.array(xlist)\n y = np.array(ylist)\n z = np.array(zlist)\n

\n

其中每个列表代表 x 坐标、y 坐标以及每个指定坐标的权重。每个列表中有大约 3000 个值（对应于 3000 个单独的点，每个点具有一定的权重 z）。

\n

问题是，这些值是非常精确的浮点数，精度达到 10 级。但是，我想要做的是能够创建 \xe2\x80\x9cn\xe2\x80\x9d 数量大致均匀分布的轮廓线（不是填充颜色，只是一些闭合的细线），其阈值为近似。

\n

尽管我的 z 点非常精确并且可能没有 2 个是精确的，但它们有很多，并且作为一个整体在 3d 中绘制时形成一个 \xe2\x80\x9chollowed mountain\xe2\x80\x9d 类似的形状（所以在在我的想象中，轮廓线只是均匀分布的水平切片）。

\n

我没有表示 z = f(x,y) 的函数。因此我不能只这样做：

\n

plt.contour(x,y,z, contour_num)\n

\n

因为这揭示了 z 必须是二维数组的预期错误。

\n

然而，z 只是一组仅与基于位置的 x 和 y 相关的点。

\n

如何在没有网格的情况下绘制此 \xe2\x80\x9cap 近似等高线图 \xe2\x80\x9d （是否有直接使用数据执行此操作的手动方法？）？

\n

编辑注意：

\n

另外，正如您所知，当我尝试类似的操作时出现的错误是 \xe2\x80\x9cValue Error: Cannot reshape array of size 3000 into shape (3000,3000)\xe2\x80\x9d:

\n

 X,Y = np.meshgrid(x,y)\n Z = z.reshape(3000,3000)\n plt.contour(X,Y,Z)\n plt.show()\n

\n

如果没有其他方法来创建等高线图，那么为什么这不起作用呢？我怎样才能让它发挥作用？

\n

Answer 1

好吧，我回答了我自己的问题。执行此操作的方法是通过 plt.tricontour(x,y,z,num_contours)。工作完美。