contourplot函數使用詳解

一、contourplot怎麼調參數範圍

import numpy as np
import matplotlib.pyplot as plt

#生成數據
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))

#調整參數範圍
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函數用於繪製二元函數的等高線圖。首先需要準備一組數據，可以使用numpy生成。使用plt.contourf（）來繪製等高線圖的填充顏色，其中levels參數用於設置顏色分區層數，cmap用於選擇配色方案。plt.contour（）用於繪製等高線輪廓，其中colors參數用於選擇輪廓線顏色，linewidth參數用於設置輪廓線粗細。plt.clabel（）用於繪製輪廓線標籤，其中inline參數用於控制標籤是否放置在線內部，fontsize用於控制標籤的字體大小。

二、contourplot函數

import numpy as np
import matplotlib.pyplot as plt

#生成數據
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))

#繪製等高線圖
plt.contour(X, Y, Z, 10, colors='black')
plt.show()

可以看到，contourplot函數繪製的是等高線輪廓，由於沒有填充顏色，圖像較為簡潔。

三、contourplot比例

import numpy as np
import matplotlib.pyplot as plt

#生成數據
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))

#不等比例繪圖
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()函數自定義圖片比例，其中參數a為縮放比例。為了保持等比例繪圖，x軸的長度應該為y軸長度的1.33倍。

四、contourplot3d

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

#生成數據
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))

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

以上是contourplot函數繪製三維圖像的基本方法，通過設置參數projection=’3d’來告訴Python需要繪製3D圖像，然後使用ax.plot_surface（）函數來繪製3D圖像。

五、contourplot3D函數

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

#生成數據
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))

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

contourplot3D函數使用方法類似於contourplot函數，只不過是用於繪製3D等高線圖而不是3D圖像。其中，levels參數用於設置顏色分區層數,cmap用於選擇配色方案。

六、contourplot和plot區別

import numpy as np
import matplotlib.pyplot as plt

#生成數據
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))

#繪製等高線圖和曲面圖
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的區別在於contourplot繪製出的是等值線圖，plot則直接繪製出了曲面。在上方示例中，使用contourplot和plot繪製出了等高線圖和曲面圖。

七、contourplot函數有地方畫不出來

使用一些特殊函數，比如圓錐線(z^2=x^2+y^2)這種函數，contourplot函數就無法進行繪製，因為這些函數出現奇點。這種情況下，需要使用contourplot3D函數。

八、contourplot3D函數畫奇點

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

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

#繪製圖像
fig = plt.figure()
ax = fig.gca(projection='3d')
ax.plot_surface(X, Y, Z, cmap=plt.cm.hot)
plt.show()

在contourplot3D函數中無法繪製出奇點，需要使用plot_surface（）函數進行曲面繪製，該函數應該是基於顏色填充的方法繪圖，因此不會出現奇點。

九、contourplot函數局部不能畫

在contourplot函數中一些函數局部變化較為複雜，造成函數在局部無法使用等高線的方法表示。這種時候，可以考慮將總體分為兩個部分，一部分進行等高線表示，一部分進行平面表示。

import numpy as np
import matplotlib.pyplot as plt

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

#繪製圖像
fig = plt.figure()
ax1 = fig.add_subplot(121)
ax2 = fig.add_subplot(122)

#等高線表示
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()

如上圖所示，將函數分別進行等高線和平面表示，可以獲得更加精細的圖像，細節表現會更好。