我有一个.txt文件,其中包含2D地图中规则间隔点的x,y值,第三个坐标是该点的密度。
4.882812500000000E-004 4.882812500000000E-004 0.9072267
1.464843750000000E-003 4.882812500000000E-004 1.405174
2.441406250000000E-003 4.882812500000000E-004 24.32851
3.417968750000000E-003 4.882812500000000E-004 101.4136
4.394531250000000E-003 4.882812500000000E-004 199.1388
5.371093750000000E-003 4.882812500000000E-004 1278.898
6.347656250000000E-003 4.882812500000000E-004 1636.955
7.324218750000000E-003 4.882812500000000E-004 1504.590
8.300781250000000E-003 4.882812500000000E-004 814.6337
9.277343750000000E-003 4.882812500000000E-004 273.8610
当我在gnuplot中使用以下命令绘制此密度贴图时:
set palette rgbformulae 34,35,0
set size square
set pm3d map
splot "dens_map.map" u 1:2:(log10($3+10.)) title "Density map"`
这给了我一张美丽的图片:
现在我想用matplotlib得到同样的结果。
发布于 2014-06-09 22:57:06
这里是我的目标是一个更完整的答案,包括选择颜色映射和颜色轴的对数归一化。
import matplotlib.pyplot as plt
import matplotlib.cm as cm
from matplotlib.colors import LogNorm
import numpy as np
x, y, z = np.loadtxt('data.txt', unpack=True)
N = int(len(z)**.5)
z = z.reshape(N, N)
plt.imshow(z+10, extent=(np.amin(x), np.amax(x), np.amin(y), np.amax(y)),
cmap=cm.hot, norm=LogNorm())
plt.colorbar()
plt.show()
我在这里假设你的数据可以通过一个简单的重塑转换成一个二维数组。如果不是这样,那么您需要更努力地获取这种形式的数据。如果你的数据位于一个网格上,那么在这里使用imshow而不是pcolormesh会更有效(就像它看起来那样)。上面的代码片段产生了下面的图像,非常接近您想要的结果:
发布于 2014-06-09 21:52:30
来自@HYRY的评论很好,但这是一个完整的最小有效答案(带图片!)是更好的。使用plt.pcolormesh
import pylab as plt
import numpy as np
# Sample data
side = np.linspace(-2,2,15)
X,Y = np.meshgrid(side,side)
Z = np.exp(-((X-1)**2+Y**2))
# Plot the density map using nearest-neighbor interpolation
plt.pcolormesh(X,Y,Z)
plt.show()
如果数据看起来像您的示例,numpy可以使用命令numpy.genfromtext
加载它。
https://stackoverflow.com/questions/24119920
复制相似问题