Matplotlib 中的极坐标等值线图

Question

我有一组数据，我想使用 Matplotlib 在极坐标中生成等高线图。

我的数据如下：

• theta - 角度值的一维数组
• radius - 半径值的一维数组
• value - 我想用于轮廓的一维值数组

这些都是正确对齐的一维数组 - 例如：

theta   radius   value
30      1        2.9
30      2        5.3
35      5        9.2

也就是说，所有的值都重复了足够多的次数，以使这个由三个变量组成的“表”的每一行都定义一个点。

如何根据这些值创建极坐标等值线图？我考虑过将半径和 theta 值转换为 x 和 y 值并在笛卡尔坐标中进行，但是轮廓函数似乎需要二维数组，我不太明白为什么。

有什么想法吗？

Answer 1

Matplotlib 的 contour() 函数期望数据被排列为点的二维网格和每个网格点的对应值网格。如果您的数据自然地排列在网格中，您可以将 r、theta 转换为 x、y 并使用contour(r*np.cos(theta), r*np.sin(theta), values) 来绘制图表。

如果您的数据不是自然网格化的，您应该遵循 Stephen 的建议并使用 griddata() 将您的数据插入到网格中。

以下脚本显示了两者的示例。

import pylab as plt
from matplotlib.mlab import griddata
import numpy as np

# data on a grid
r = np.linspace(0, 1, 100)
t = np.linspace(0, 2*np.pi, 100)
r, t = np.meshgrid(r, t)
z = (t-np.pi)**2 + 10*(r-0.5)**2

plt.subplot(121)
plt.contour(r*np.cos(t), r*np.sin(t), z)

# ungrid data, then re-grid it
r = r.flatten()
t = t.flatten()
x = r*np.cos(t)
y = r*np.sin(t)
z = z.flatten()
xgrid = np.linspace(x.min(), x.max(), 100)
ygrid = np.linspace(y.min(), y.max(), 100)
xgrid, ygrid = np.meshgrid(xgrid, ygrid)
zgrid = griddata(x,y,z, xgrid, ygrid)

plt.subplot(122)
plt.contour(xgrid, ygrid, zgrid)

plt.show()

Answer 2

我不知道是否可以直接绘制极坐标等值线图，但如果您转换为笛卡尔坐标，您可以使用griddata 函数将您的一维数组转换为二维。