如何使用复式表在 3D 中绘图 - Matplotlib

Question

我想用 Pandas / MatplotLib（线框或其他，我不在乎）进行 3D 绘图，但以特定方式..

我正在使用 RFID 传感器，我正在尝试记录我在不同距离 + 不同角度接收到的信号。我想看看距离的上升和角度的相关性。

这就是我想用 3D 绘图的原因：

X 轴 -> 距离，Y 轴 -> 角度，Z 轴 -> 接收到的信号，表示浮点数

我生成 DataFrame 的 CSV 文件的组织方式如下：

Distance;0;23;45;90;120;180
0;-53.145;-53.08;-53.1;-53.035;-53.035;-53.035
5;-53.145;-53.145;-53.05;-53.145;-53.145;-53.145
15;-53.145;-53.145;-53.145;-53.145;-53.145;-53.145
25;-53.145;-52.145;-53.145;-53.002;-53.145;-53.145
40;-53.145;-53.002;-51.145;-53.145;-54.255;-53.145
60;-53.145;-53.145;-53.145;-53.145;-53.145;-53.145
80;-53.145;-53.145;-53.145;-53.145;-60;-53.145
100;-53.145;-52;-53.145;-54;-53.145;-53.145
120;-53.145;-53.145;-53.145;-53.145;-53.002;-53.145
140;-51.754;-53.145;-51.845;-53.145;-53.145;-53.145
160;-53.145;-53.145;-49;-53.145;-53.145;-53.145
180;-53.145;-53.145;-53.145;-53.145;-53.145;-53.002
200;-53.145;-53.145;-53.145;-53.145;-53.145;-53.145

在第一行标签上，我们有不同的角度：0°、23°、45°、... 而DataFrame的索引是距​​离：0 cm, 15 cm...

而里面的矩阵代表的是信号，所以，Z轴的值...

但我不知道如何生成 3D Scatter、WireFrame...因为在每个教程中我都看到有人使用特定的列作为轴。

确实，在我的 CSV 文件的第一行中，我有所有列的标签

Distance;0  ;23 ;45 ;90 ;120;180

而且我不知道如何使用复式表生成 3D 图。

你知道怎么做吗？或者，以更好的方式生成我的 CSV 文件以在最后看到相同的结果！

如果你能帮我解决这个问题，我将不胜感激！

谢谢！

Answer 1

也许contour就够了

b = np.array([0,5,15,25,40,60,80,100,120,140,160,180,200])
a = np.array([0,23,45,90,120,180])
x, y = np.meshgrid(a, b)
z = np.random.randint(-50,-40, (x.shape))

scm = plt.contourf(x, y, z, cmap='inferno')
plt.colorbar(scm)
plt.xticks(a)
plt.yticks(b)
plt.xlabel('Distance')
plt.ylabel('Angle')
plt.show()

展示

Answer 2

你可以得到一个类似这样的等高线图（但是对于显示的数据，它不是很有趣，因为所有的值都是恒定的 -45）：

df = pd.read_csv(sep=';')
df = df.set_index('Distance')
x = df.index
y = df.columns.astype(int)
z = df.values
X,Y = np.meshgrid(x,y)
Z = z.T
plt.contourf(X,Y,Z,cmap='jet')
plt.colorbar()
plt.show()

Answer 3

欢迎来到stackoverflow，您的问题可以分为几个步骤：

第 1 步 - 读取数据

我已将您的数据存储在名为data.txt 的文件中。

我不太了解 Pandas，但是这也可以通过 Numpy 的简单函数 loadtxt 来处理。由于第一列和第一行中的文本“距离”值，您的数据有点问题。但不要惊慌，我们将文件加载为字符串矩阵：

raw_data = np.loadtxt('data.txt', delimiter=';', dtype=np.string_)

第 2 步 - 转换原始数据

要从原始数据中提取想要的数据，我们可以执行以下操作：

angle    = raw_data[0 , 1:].astype(float)
distance = raw_data[1:, 0 ].astype(float)
data     = raw_data[1:, 1:].astype(float)

使用indexing 原始数据我们选择我们想要的数据，使用astype 我们将字符串值更改为数字。

中间步骤 - 使数据更花哨

你的数据有点无聊，只有-45的值，我冒昧地把它弄得更花哨了：

data = (50 + angle[np.newaxis,:]) / (10 + np.sqrt(distance[:,np.newaxis])) 

第 4 步 - 制作线框图

matplotlib.org 的示例看起来很简单：

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.plot_wireframe(X, Y, Z)
plt.show()

但诀窍是正确设置X, Y, Z 参数...

第 3 步 - 制作 X 和 Y 数据

Z 数据就是我们的 data 值：

Z = data

X 和 Y 也应该是二维数组，这样plot_wireframe 可以在二维数组 X 和 Y 的相同数组位置找到 Z 的每个值的 x 和 y .有一个 Numpy 函数可以创建这些二维数组：

X, Y = np.meshgrid(angle, distance)

第 5 步 - 稍微调整一下

ax.set_xticks(angle)
ax.set_yticks(distance[::2])
ax.set_xlabel('angle')
ax.set_ylabel('distance')

把它放在一起

所有步骤都按正确的顺序排列在一起：

# necessary includes...
from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt
import numpy as np

raw_data = np.loadtxt('data.txt', delimiter=';', dtype=np.string_)

angle    = raw_data[0 , 1:].astype(float)
distance = raw_data[1:, 0 ].astype(float)
data     = raw_data[1:, 1:].astype(float)


# make the example data a bit more interesting...
data = (50 + angle[np.newaxis,:]) / (10 + np.sqrt(distance[:,np.newaxis])) 

# setting up the plot
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# the trickey part creating the data that plot_wireframe wants
Z = data
X, Y = np.meshgrid(angle, distance)

ax.plot_wireframe(X, Y, Z)

# fancing it up a bit
ax.set_xticks(angle)
ax.set_yticks(distance[::2])
ax.set_xlabel('angle')
ax.set_ylabel('distance')

# and showing the plot ...
plt.show()