Matplotlib中的极坐标等高线图

Question

我有一组数据要用于使用Matplotlib在极坐标中生成等高线图.

我的数据如下:

• theta - 1D角度值数组
• radius - 一维半径值数组
• value - 我想要用于轮廓的一维值数组

这些都是正确对齐的一维数组 - 例如:

theta   radius   value
30      1        2.9
30      2        5.3
35      5        9.2

也就是说,所有值都重复了足够的次数,以便三个变量的"表"的每一行定义一个点.

如何根据这些值创建极坐标轮廓图？我已经考虑过将半径和θ值转换为x和y值并在笛卡尔坐标中进行,但是轮廓函数似乎需要2D数组,我不太明白为什么.

有任何想法吗？

Answer 1

Matplotlib的contour()函数要求将数据排列为点的2D网格以及每个网格点的相应网格值.如果您的数据自然排列在网格中,您可以将r,theta转换为x,y并用于contour(r*np.cos(theta), r*np.sin(theta), values)制作您的绘图.

如果您的数据不是自然网格化的,您应该遵循Stephen的建议,并习惯griddata()将数据插入到网格中.

以下脚本显示了两者的示例.

import pylab as plt
from matplotlib.mlab import griddata
import numpy as np

# data on a grid
r = np.linspace(0, 1, 100)
t = np.linspace(0, 2*np.pi, 100)
r, t = np.meshgrid(r, t)
z = (t-np.pi)**2 + 10*(r-0.5)**2

plt.subplot(121)
plt.contour(r*np.cos(t), r*np.sin(t), z)

# ungrid data, then re-grid it
r = r.flatten()
t = t.flatten()
x = r*np.cos(t)
y = r*np.sin(t)
z = z.flatten()
xgrid = np.linspace(x.min(), x.max(), 100)
ygrid = np.linspace(y.min(), y.max(), 100)
xgrid, ygrid = np.meshgrid(xgrid, ygrid)
zgrid = griddata(x,y,z, xgrid, ygrid)

plt.subplot(122)
plt.contour(xgrid, ygrid, zgrid)

plt.show()