contourplot函数使用详解

一、contourplot怎么调参数范围

import numpy as np
import matplotlib.pyplot as plt

#生成数据
x = np.linspace(-5, 5, 50)
y = np.linspace(-5, 5, 50)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

#调整参数范围
plt.contourf(X, Y, Z, levels=np.linspace(-1,1,20), cmap=plt.cm.hot)
C = plt.contour(X, Y, Z, 10, colors='black', linewidth=.5) 
plt.clabel(C, inline=True, fontsize=10)
plt.show()

contourplot函数用于绘制二元函数的等高线图。首先需要准备一组数据，可以使用numpy生成。使用plt.contourf（）来绘制等高线图的填充颜色，其中levels参数用于设置颜色分区层数，cmap用于选择配色方案。plt.contour（）用于绘制等高线轮廓，其中colors参数用于选择轮廓线颜色，linewidth参数用于设置轮廓线粗细。plt.clabel（）用于绘制轮廓线标签，其中inline参数用于控制标签是否放置在线内部，fontsize用于控制标签的字体大小。

二、contourplot函数

import numpy as np
import matplotlib.pyplot as plt

#生成数据
x = np.linspace(-5, 5, 50)
y = np.linspace(-5, 5, 50)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

#绘制等高线图
plt.contour(X, Y, Z, 10, colors='black')
plt.show()

可以看到，contourplot函数绘制的是等高线轮廓，由于没有填充颜色，图像较为简洁。

三、contourplot比例

import numpy as np
import matplotlib.pyplot as plt

#生成数据
x = np.linspace(-5, 5, 50)
y = np.linspace(-5, 5, 50)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

#不等比例绘图
fig, ax = plt.subplots()
a = .8
fig.set_size_inches(a*6.4, a*4.8)
ax.contourf(X, Y, Z, levels=np.linspace(-1,1,20), cmap=plt.cm.hot)
C = ax.contour(X, Y, Z, 10, colors='black', linewidth=.5) 
ax.clabel(C, inline=True, fontsize=10)
plt.show()

可以使用fig.set_size_inches()函数自定义图片比例，其中参数a为缩放比例。为了保持等比例绘图，x轴的长度应该为y轴长度的1.33倍。

四、contourplot3d

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

#生成数据
x = np.linspace(-5, 5, 50)
y = np.linspace(-5, 5, 50)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

#绘制3D图像
fig = plt.figure()
ax = fig.gca(projection='3d')
ax.plot_surface(X, Y, Z, cmap=plt.cm.hot)
plt.show()

以上是contourplot函数绘制三维图像的基本方法，通过设置参数projection=’3d’来告诉Python需要绘制3D图像，然后使用ax.plot_surface（）函数来绘制3D图像。

五、contourplot3D函数

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

#生成数据
x = np.linspace(-5, 5, 50)
y = np.linspace(-5, 5, 50)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

#绘制3D等高线图
fig = plt.figure()
ax = fig.gca(projection='3d')
ax.contour(X, Y, Z, 10, cmap=plt.cm.hot)
plt.show()

contourplot3D函数使用方法类似于contourplot函数，只不过是用于绘制3D等高线图而不是3D图像。其中，levels参数用于设置颜色分区层数,cmap用于选择配色方案。

六、contourplot和plot区别

import numpy as np
import matplotlib.pyplot as plt

#生成数据
x = np.linspace(-5, 5, 50)
y = np.linspace(-5, 5, 50)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

#绘制等高线图和曲面图
fig = plt.figure()
ax1 = fig.add_subplot(121)
ax2 = fig.add_subplot(122, projection='3d')

ax1.contour(X, Y, Z, 10, colors='black')
ax2.plot_surface(X, Y, Z, cmap=plt.cm.hot)

plt.show()

可以看到，contourplot和plot的区别在于contourplot绘制出的是等值线图，plot则直接绘制出了曲面。在上方示例中，使用contourplot和plot绘制出了等高线图和曲面图。

七、contourplot函数有地方画不出来

使用一些特殊函数，比如圆锥线(z^2=x^2+y^2)这种函数，contourplot函数就无法进行绘制，因为这些函数出现奇点。这种情况下，需要使用contourplot3D函数。

八、contourplot3D函数画奇点

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

#生成数据
x = np.linspace(-1, 1, 100)
y = np.linspace(-1, 1, 100)
X, Y = np.meshgrid(x, y)
Z = X ** 2 + Y ** 2

#绘制图像
fig = plt.figure()
ax = fig.gca(projection='3d')
ax.plot_surface(X, Y, Z, cmap=plt.cm.hot)
plt.show()

在contourplot3D函数中无法绘制出奇点，需要使用plot_surface（）函数进行曲面绘制，该函数应该是基于颜色填充的方法绘图，因此不会出现奇点。

九、contourplot函数局部不能画

在contourplot函数中一些函数局部变化较为复杂，造成函数在局部无法使用等高线的方法表示。这种时候，可以考虑将总体分为两个部分，一部分进行等高线表示，一部分进行平面表示。

import numpy as np
import matplotlib.pyplot as plt

#生成数据
x = np.linspace(-1, 1, 1000)
y = np.linspace(-1, 1, 1000)
X, Y = np.meshgrid(x, y)
Z = X ** 2 - Y ** 2

#绘制图像
fig = plt.figure()
ax1 = fig.add_subplot(121)
ax2 = fig.add_subplot(122)

#等高线表示
ax1.contour(X, Y, Z, 5, colors='black')

#平面表示
x_subs = np.linspace(-1, 1, 100)
y_subs = np.linspace(-.01, .01, 100)
X_subs, Y_subs = np.meshgrid(x_subs, y_subs)
ax2.plot_surface(X_subs, Y_subs, X_subs ** 2 - Y_subs ** 2, cmap=plt.cm.hot)

plt.show()

如上图所示，将函数分别进行等高线和平面表示，可以获得更加精细的图像，细节表现会更好。