来自 3d 坐标的 Python 热图答案

【问题标题】：Python heatmap from 3d coordinates来自 3d 坐标的 Python 热图
【发布时间】：2013-08-29 05:08:56
【问题描述】：

我从两个 linspaces 开始，然后对它们进行网格网格化。然后我在网格上计算一个函数的值。我的函数名为cpt_hcpv()。然后我想对我的数据进行热图，网格上的每个点都有对应的函数值。

代码看起来像

poro = np.linspace(min(poro), max(poro))
sw = np.linspace(min(sw), max(sw))

g = np.meshgrid(poro, sw)
points = zip(*(x.flat for x in g))

hcpv = []
for p in points:
    hcpv = hcpv + [cpt_hcpv(p[0], p[1], poro, sw)]

与

def cpt_hcpv(pCut, sCut, poro, sw):
    #find points belonging to calculation
    truncated = [(p, s) for p, s in zip(poro, sw) if p > pCut and s < sCut ]
    hcv = 0
    for k in truncated:
        hcv += p*(1-s)*0.5
    return hcv

为什么我不在网格上直接计算cpt_hcpv()：因为我必须在理解truncated = [(p, s) for p, s in zip(poro, sw) if p > pCut and s < sCut ] 中处理条件，所以我必须在网格中的点上进行迭代。 我不知道如何迭代网格。

所以，我想从 3d 坐标绘制热图：在 points 我有 x 和 y 作为点，在 hcpv 我有 z每个点的参数，顺序相同。

从我发现的示例中，有 pylab 和 matplotlib 解决方案可以从网格网格 + 网格上计算的值绘制热图，方法以网格网格为参数。

有没有办法从 3d 坐标绘制热图？

【问题讨论】：

pcolor 和 pcolormesh ?
感谢您的提示。您是否有使用这些的带有 3d 坐标到热图的代码示例？再次感谢
您的数据不是 3d。您有一个二维数组，您可以在其中计算函数，数组中的每个点都有一个对应的 x、y 坐标。所以这与available demonstrations 完全相同。如果您有三个定义 n 个点的 1d 数组 x、y 和 z，那将是 3d。

标签： python matplotlib plot heatmap

【解决方案1】：

如果您需要遍历网格，试试这个：

g = np.meshgrid(poro, sw)

#Turn into 2x3x3 array
g_arr = np.array(g)                            

#Move first dimension to third: 3x3x2 array
g_arr = g_arr.swapaxes(0,1).swapaxes(1,2)

#Generate results by iterating over first and second dimension, and unpacking the third
hcpv = np.array([[cpt_hcpv(p, s, poro, sw) for p,s in r] for r in g_arr])

我不知道 matplotlib 是否会从通用 3-d 点轻松绘制热图。它必须处理分散、无序和缺失点的一般情况。

【讨论】：

感谢迭代解决方案。但是，当我 pylab.imshow(hcpv) 时，这似乎不起作用
实际上您的解决方案与我的解决方案等效，我在网格中的点上获得了函数的值。然后我不知道如何绘图。但感谢您在网格上迭代的解决方案。

【解决方案2】：

我使用 DrRobotNinja 方法提出了这个解决方案

g = np.meshgrid(poro_g, sw_g)
g_arr = np.array(g)                            
g_arr = g_arr.swapaxes(0,1).swapaxes(1,2)

#I compute z value on the grid, `g_arr`
hcpv = np.array([[cpt_hcpv(p, s, poro, sw) for p,s in r] for r in g_arr])

我将热图和轮廓（级别）叠加

#heatmap
im = plt.imshow(hcpv, origin='lower',extent=[min(poro)-EPS,max(poro)
                                    +EPS,min(sw)-EPS,max(sw)+EPS],aspect='auto')

#contours
levels = np.array([p10,p50,p90])
cset = plt.contour(hcpv,levels,linewidths=2,cmap=pylab.cm.hot, 
      origin='lower',extent=[min(poro),max(poro),min(sw),max(sw)],aspect='auto')
plt.clabel(cset,inline=True,fmt='%1.1f',fontsize=20)

并显示

plt.show()

【讨论】：