python 密度图_Python-Matplotlib做二维密度分布图
之前一直想尝试着用Matplotlib绘制计算结果中的二维密度分布图,这样即省去了许多数据处理的麻烦,也方便直接在Linux系统中观察计算的结果。但对Numpy和Maltplotlib的熟练程度还不够,对于计算程序产生的非矩阵式的数据结构不知道该怎么处理。今天花了一早上仔细研究了一下,终于将这块硬骨头啃下来了。
做colormap图的关键在于矩阵的创建,作为坐标的x与y在形状上为呈转置关系的两个矩阵(即x的行数与y的列数相等,反之亦然),在内容上则应为x以行的形式重复,y以列的形式重复。想要产生这样的两个矩阵,可以通过Numpy中的函数np.meshgrid(x,y)来实现。用于表示值变化的z则为一个二维数组,即对于每一对x,y都应存在一个值z[x][y]。在一般的做法中,z值可以通过以x,y为自变量的函数产生。
我这里遇到的问题是已有的数据是三个一维数组。相当与将上述的x,y,z矩阵一一对应地平铺开来。这样的数据在Origin中作图十分方便,但在Matplotlib中就得预先处理一下。这个过程实则是将平铺开的数组再压缩回去。
首先要用np.unique()函数对x和y的数组进行压缩,得到无重复数值的xn与yn,再使用np.meshgrid()函数将xn与yn编织成上文所述的矩阵。对z值的处理需要谨慎一些,需要依次寻找每一个x与y共同对应地唯一的z值。最初的x,y,z是三个等长度的数组,共同的索引编号是它们确保一一对应的锁链。这里可以借助np.argwhere()函数找出x与y数组中某个值的索引,由于x,y是具有重复值的数组,这个索引将是两个包含许多位置的数组。所以我们还需要对两个索引数组用np.intersect1d()函数求并集得到唯一的z数组中的索引数。具体的操作应为:
xn = np.unique(x)
yn = np.unique(y)
Xm,Ym = np.meshgrid(xn,yn)
Zm = []
for i in yn:
zm = []
for j in xn:
zm_index = np.intersect1d(np.argwhere(y == i),np.argwhere( x == j))
zm.append(float(z[zm_index])
Zm.append(zm)
注意这里获取索引数时应当在原始数组中查找,循环遍历时可以使用xn,yn节约成本。另外,由于Xm对应的是行信息,在遍历循环中应该放在内层。
接下来就是作图了,数据处理好之后作图基本也就一行命令的事了。这里尝试了一些格式调整,列举如下:
plt.pcolormesh()与plt.contourf()均可用来作二维色彩图,但同样的条件下pcolormesh的效果不如contourf的平滑,所以更倾向与使用contourf
分格密度通过MaxNLocator(nbins=100).tick_values(min,max)设置,nbins对应分格密度,tick_values为上下限
色彩模式通过plt.cm.get_cmap()设置,这里选用的'jet'类型与Origin中的很类似。更多的色彩模式可以查看Matplotlib网站
plt.contourf(Xm,Ym,Zm,levels=,cmap=)为contourf的基本用法,对分格密度和色彩模式进行了设置
plt.colorbar()用来生成colorbar,colorbar的名称,刻度,字体大小可以分别通过.set_label(), .set_ticks(), .ax.tick_params()进行设置
这次在脚本中也加入了argv变量的设置,实现了直接读入文件名进行处理。脚本的具体内容如下:
# Draw a two-dimensional density map from densxz.dat file
# Author: lewisbase
# Date: 2019.05.16
import sys
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import BoundaryNorm
from matplotlib.ticker import MaxNLocator
####################################################################################################
if len(sys.argv) < 2:
print('No Action specified.')
sys.exit()
elif len(sys.argv) == 2:
if sys.argv[1].startswith('--'):
option = sys.argv[1][2:]
if option == 'version':
print('''
Densmap version 1.0.0
Author: lewisbase
Date: 2019.05.16''')
sys.exit()
elif option == 'help':
print('''
This script is used to draw a two-domensional density map from densxz.dat.
Options include:
--version: Prints the version information
--help: Prints the help information
Usage:
python Densmap.py filename outputname bar
bar is an alternative parameter, input it will generate the colorbar''')
sys.exit()
else:
print('Unknow option!')
sys.exit()
else:
print('We need a --option or two filenames at least!')
sys.exit()
elif len(sys.argv) == 4:
script,filename,outputname,bar = sys.argv
else:
print('Too many parameters!')
sys.exit()
######################################################################################################
with open(filename,'r') as f:
text = f.readline().split()
if len(text) < 3:
raise Exception('The input densxz.dat file is corrupted!')
elif len(text) >= 3:
xo,zo = np.loadtxt(filename,usecols=(0,1),unpack=True)
do = np.zeros(len(xo))
for column in range(2,len(text)):
dc = np.loadtxt(filename,usecols=(column))
do += dc
xo /= 10
zo /= 10
do *= 1661.129
xn = np.unique(xo)
zn = np.unique(zo)
xm,zm = np.meshgrid(xn,zn)
Dm = []
for j in zn:
dm = []
for i in xn:
do_index=np.intersect1d(np.argwhere(xo == i),np.argwhere(zo == j))
dm.append(float(do[do_index]))
Dm.append(dm)
#######################################################################################################
plt.figure(figsize=(12,12),dpi=100,frameon=True)
# set the grids density
levels = MaxNLocator(nbins=100).tick_values(np.min(Dm),np.max(Dm))
cm = plt.cm.get_cmap('jet')
#nm = BoundaryNorm(levels,ncolors=cm.N,clip=True)
#plt.pcolormesh(xm,zm,Dm,cmap=cm,norm=nm)
# contourf method is much smoother than pcolormesh!
plt.contourf(xm,zm,Dm,levels=levels,cmap=cm)
if bar == 'bar':
cbar = plt.colorbar()
cbar.set_label('Unit: mol/L',rotation=-90,va='bottom',fontsize=40)
cbar.set_ticks([0,2,4,6,8,10])
# set the font size of colorbar
cbar.ax.tick_params(labelsize=32)
plt.xlabel('X (nm)',fontsize=40)
plt.ylabel('Z (nm)',fontsize=40)
plt.xticks(fontsize=32)
plt.yticks(fontsize=32)
plt.tight_layout()
plt.savefig(outputname,dpi=300)
plt.show()
最终得到的图像结果如下:
2019-05-16-1.png
参考资料
python 密度图_Python-Matplotlib做二维密度分布图相关推荐
- python 二维强度图_Python简单做二维统计图
先上一张效果图: 以上图是一段时间内黄金价格的波动图. 代码如下: importdatetime as DTfrom matplotlib importpyplot as pltfrom matplo ...
- 密度图的密度估计_不同类型的二维密度图小教程
R相关小教程链接: 用R构建气泡图案例小教程 [小教程]散点图.饼图怎么在我的文章中完美展示小教程 热图在论文发表中完美呈现小教程 R与密度.函数.变量的微妙关系 北京市计算中心医用数据库建设解决方案 ...
- 【机器学习】python使用matplotlib进行二维数据绘图并保存为png图片
端到端机器学习导航: [机器学习]python借助pandas加载并显示csv数据文件,并绘制直方图 [机器学习]python使用matplotlib进行二维数据绘图并保存为png图片 [机器学习]p ...
- 【Python】函数图像绘制:二维图像、三维图像、散点图、心形图
[Python]函数图像绘制:二维图像.三维图像.散点图.心形图 所有需要用的包 二维图像 三维图像 散点图绘制 心形图绘制 所有需要用的包 from mpl_toolkits.mplot3d imp ...
- R语言绘制二维密度图
R语言绘制二维密度图 二维密度图显示了两个数值变量之间的关系,一个在x轴上表示,另一个在Y轴上表示,与散点图类似,然后计算二维空间中特定区域内的观测数,并用颜色梯度表示.二维密度图有几种类型,以下主要 ...
- R语言ggplot2可视化2d密度图:可视化二维密度图并将两个二维密度图重叠起来、Overlay two ggplot2 stat_density2d plots
R语言ggplot2可视化2D密度图:可视化二维密度图并将两个二维密度图重叠起来.Overlay two ggplot2 stat_density2d plots 目录
- 专属微信二维码python制作_如何利用Python制作简单的公众号二维码关注图
创意配图:微信,微信公众号,微信大V 而且最近发现了一个新的图像处理方面的库-Wand,它是 ImageMagick 库的 Python 接口.于是,我就打算用这个库来实现简单的制作一个二维码关注图, ...
- FigDraw 25. SCI文章中绘图二维密度图及组合图
点击关注,桓峰基因 桓峰基因公众号推出基于R语言绘图教程并配有视频在线教程,目前整理出来的教程目录如下: FigDraw 1. SCI 文章的灵魂 之 简约优雅的图表配色 FigDraw 2. SCI ...
- 教你用Python做二维码
今天教大家做二维码,要用amzqr这个库而且不止普通二维码,还有花样二维码 老规矩先pip pip install amzqr 先给大家看一下示例(本库所有命令都在命令行里运行) amzqr hell ...
最新文章
- android udp 收发例子_网络协议之TCP和UDP
- 不会英语能学oracle吗,英语非常差该怎么学啊?
- 架构整洁之道, 看这一篇就够了!
- PKI系统相关知识点介绍
- magento模板中XML与phtml关系
- Linux的触屏手势软件安装,如何添加Mac的多点触控手势到Ubuntu | MOS86
- Flex(try-catch-finally)机制
- 触发器如何通知websocket_「Web应用架构」如何扩展WebSockets
- excel oledb mysql_C#实战023:OleDb操作-Excel数据写入
- python distance matrix_机器学习中的距离盘点
- 我如何学习:开篇 先提升下肾上腺素
- 信息图表是如何炼成的之一:媒体使用情况
- 路面压电发电,应该有前途
- 全局变量在多个进程中不共享
- MWC2010传递出什么信号?
- vue三级菜单渲染_vue实现多级菜单效果
- Drillbeach---第三章 Drillbench Hydraulics User Guide
- 如何封装jQuery插件
- RSS订阅微信公众号初探-feed43
- 医疗信息系统安全事件案例...
热门文章
- 【开发日记】石头剪刀布之卷积神经网络
- java实施工程师的求职信_软件工程师英文求职信样本 .doc
- 中国矿产资源产业规划与投资前景预测分析报告2022-2027年
- C++ Python 链表逆序 反转链表
- 联想服务器重装2008,联想服务器安装 win2003,win2008,win2010等操作系统的方法
- 更加智能地管理SD-WAN最后一英里-ielab
- 神经网络原理的简单介绍,神经网络的基本原理
- 越狱到底有多少别名(暴强!)
- golang 模拟M/M/s排队系统损失率,泊松分布到达,指数分布服务
- 办公室礼仪英语:教你如何应急