web-dev-qa-db-fra.com

Python: tracé de contour 2D à partir de 3 listes: x, y et rho?

J'ai un problème simple dans python et matplotlib. J'ai 3 listes: x, y et rho avec rho [i] une densité au point x [i], y [i]. Tout les valeurs de x et y sont comprises entre -1 et 1. mais elles ne sont pas dans un ordre spécifique.

Comment faire un tracé de contour (comme avec imshow) de la densité rho (interpolée aux points x, y).

Merci beaucoup.

EDIT: Je travaille avec de grands tableaux: x, y et rho ont entre 10 000 et 1 000 000 d'éléments

pythonmatplotlibcontour
28
Vincent

Vous devez interpoler vos valeurs rho. Il n'y a pas qu'une seule façon de procéder, et la "meilleure" méthode dépend entièrement des informations a priori que vous devez incorporer dans l'interpolation.

Avant d'entrer dans une diatribe sur les méthodes d'interpolation "boîte noire", cependant, une fonction de base radiale (par exemple, une "spline à plaque mince" est un type particulier de fonction de base radiale) est souvent un bon choix. Si vous avez des millions de points, cette implémentation sera inefficace, mais comme point de départ:

import numpy as np
import matplotlib.pyplot as plt
import scipy.interpolate

# Generate data:
x, y, z = 10 * np.random.random((3,10))

# Set up a regular grid of interpolation points
xi, yi = np.linspace(x.min(), x.max(), 100), np.linspace(y.min(), y.max(), 100)
xi, yi = np.meshgrid(xi, yi)

# Interpolate
rbf = scipy.interpolate.Rbf(x, y, z, function='linear')
zi = rbf(xi, yi)

plt.imshow(zi, vmin=z.min(), vmax=z.max(), Origin='lower',
           extent=[x.min(), x.max(), y.min(), y.max()])
plt.scatter(x, y, c=z)
plt.colorbar()
plt.show()

enter image description here

44
Joe Kington

Vous pouvez utiliser griddata de scipy (nécessite Scipy> = 0.10), c'est une méthode basée sur la triangulation.

import numpy as np
import matplotlib.pyplot as plt
import scipy.interpolate

# Generate data: for N=1e6, the triangulation hogs 1 GB of memory
N = 1000000
x, y = 10 * np.random.random((2, N))
rho = np.sin(3*x) + np.cos(7*y)**3

# Set up a regular grid of interpolation points
xi, yi = np.linspace(x.min(), x.max(), 300), np.linspace(y.min(), y.max(), 300)
xi, yi = np.meshgrid(xi, yi)

# Interpolate; there's also method='cubic' for 2-D data such as here
zi = scipy.interpolate.griddata((x, y), rho, (xi, yi), method='linear')

plt.imshow(zi, vmin=rho.min(), vmax=rho.max(), Origin='lower',
           extent=[x.min(), x.max(), y.min(), y.max()])
plt.colorbar()
plt.show()

Il existe également une interpolation à distance inversée - similaire à RBF, mais devrait mieux fonctionner pour un grand nombre de points: Interpolation IDW) avec Python

13
pv.