如何在matplotlib中突出显示多条曲线中最低的一条曲线(包络)
如何在matplotlib中突出显示多条曲线中最低的一条曲线(包络)
提问于 2021-11-12 00:58:13
假设我有多个由Python函数表示的数学函数f1，f2，f3。我想把它们一起画在0，1的域上。
import numpy as np
import matplotlib.pyplot as plt
import math
def f1(x):
return 4*x**3 + 9*x**2 + x + 4
def f2(x):
return math.sqrt(x) / (1.01 - x)
def f3(x):
return 30 * math.cos(6 * x)
x = np.arange(0.0, 1.01, 0.01)
for f in [f1, f2, f3]:
vecf = np.vectorize(f)
y = vecf(x)
plt.plot(x, y)
plt.xlim([0, 1])
plt.xlabel(r'$x$')
plt.ylabel(r'$f(x)$')
plt.show()
但是，我希望使用alpha = 1高亮显示所有最低的曲线分段(即封套)，同时使用alpha = 0.5高亮显示曲线的其他部分。我想保留每条曲线的颜色。预期的绘图如下所示：
有人能建议如何在matplotlib中实现这一点吗？
Stack Overflow用户
回答已采纳
发布于 2021-11-12 01:14:23
我尝试了我在评论中建议的方法(“只画出所有曲线，然后计算一个实际上是其他曲线组合的最小值的系列，并将其绘制出来，但使用100%透明的线条颜色，并将其上方的整个区域着色为部分不透明的白色。”)我认为它非常接近你所需要的：
import numpy as np
import matplotlib.pyplot as plt
import math
def f1(x):
return 4*x**3 + 9*x**2 + x + 4
def f2(x):
return math.sqrt(x) / (1.01 - x)
def f3(x):
return 30 * math.cos(6 * x)
x = np.arange(0.0, 1.01, 0.01)
# initialise min_y to all infinite, there is probably a more efficient way to do this
min_y = np.inf * np.ones(x.shape)
for f in [f1, f2, f3]:
vecf = np.vectorize(f)
y = vecf(x)
# zorder=0 to push curves below plane
plt.plot(x, y, zorder=0)
# compute min_y as we go
min_y = np.minimum(y, min_y)
# what you need, although the +1 is a bit arbitrary
# you may want to add some amount relative to the plt.ylim()
plt.fill_between(x, min_y+1, plt.ylim()[1], color='white', alpha=.5)
plt.xlim([0, 1])
plt.xlabel(r'$x$')
plt.ylabel(r'$f(x)$')
plt.show()结果：
从你的例子来看，你可能想要一个更像.7的alpha。
偷偷摸摸的后续问题，也是为了让台词变得丰满：
import numpy as np
import matplotlib.pyplot as plt
import math
def f1(x):
return 4*x**3 + 9*x**2 + x + 4
def f2(x):
return math.sqrt(x) / (1.01 - x)
def f3(x):
return 30 * math.cos(6 * x)
x = np.arange(0.0, 1.01, 0.01)
# initialise min_y to all infinite, there is probably a more efficient way to do this
min_y = np.inf * np.ones(x.shape)
plotted = []
for f in [f1, f2, f3]:
vecf = np.vectorize(f)
y = vecf(x)
# zorder=0 to push curves below plane
p = plt.plot(x, y, zorder=0)
# compute min_y as we go
min_y = np.minimum(y, min_y)
# keep the plotted data, to reuse when plotting fat lines
plotted.append((y, p[0].get_color()))
for y, c in plotted:
plt.plot(x, np.ma.masked_where(y > min_y, y), color=c, zorder=1, linewidth=3)
# what you need, although the +1 is a bit arbitrary - you may want to add some amount relative to the plt.ylim()
plt.fill_between(x, min_y+1, plt.ylim()[1], color='white', alpha=.7)
plt.xlim([0, 1])
plt.xlabel(r'$x$')
plt.ylabel(r'$f(x)$')
plt.show()结果：
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/69936741
复制相关文章
相似问题
腾讯云开发者
