matplotlib 从一维数组创建二维数组 - 有更好的方法吗？

Question

我正在尝试使用 matplotlibs 等高线图、曲面图和线框图来可视化一些 3d 数据。

我的原始数据是一个 numpy 数组的形式，其中 x、y 和 z 分别在自己的列中（例如）：

| xs |是的zs |
|---|---|----|
| 1 | 1 | 3 |
| 2 | 1 | 4 |
| 3 | 1 | 2 |
| 4 | 1 | 3 |
| 5 | 1 | 5 |
| 1 | 2 | -1 |
| 2 | 2 | -1 |
| 3 | 2 | -2 |
| 4 | 2 | 2 |
| 5 | 2 | 7 |
| 1 | 3 | 5 |
| 2 | 3 | 2 |
| 3 | 3 | 3 |
| 4 | 3 | 2 |
| 5 | 3 | 3 |

现在一些绘图函数只获取与我的列 (xs,ys,zs) 对应的一维数组中的数据。但是，有些需要二维数组（网格）格式。有没有一种简单的方法可以将 3 个 1D 数组转换为 3 个 2D 数组的正确格式？我尝试过使用 numpy.meshgrid ，虽然这适用于创建 X 和 Y 2D 数组，但我无法找到创建相应 Z 2D 数组的好方法。我设法通过制作一个空白的二维数组并用适当的 Z 值填充它来做到这一点，但这不是很好。有没有更好的方法来创建 Z 二维数组？

以下是我的尝试（有效）。有没有办法在不循环 X 和 Y 的情况下制作 Z 数组？

def getMeshGrid(dataArray):
    """get 2d coordinate grid and Z values in meshgrid format. requires values in
    dataArray to have a rectangular region of x-y space covered uniformly"""
    xs = dataArray[:,0]
    ys = dataArray[:,1]
    xmin,xmax = xs.min(), xs.max()
    xstep = xs[xs!=xmin].min()-xmin
    ymin,ymax = ys.min(), ys.max()
    ystep = ys[ys!=ymin].min()-ymin
    X = numpy.arange(xmin, xmax+xstep, xstep)
    Y = numpy.arange(ymin, ymax+ystep, ystep)
    X,Y = numpy.meshgrid(X,Y)
    Z = numpy.zeros(X.shape)
    height, width = X.shape
    for i in range(0, height):
        for j in range(0,width):
            halfway = dataArray[dataArray[:,0]==X[i,j]] # finds all with that value of x
            row = halfway[halfway[:,1]==Y[i,j]] # finds y value 
            Z[i,j] = row[0,6]
    return X,Y,Z

提前致谢

Answer 1

如果您的数据与您在示例中给出的数据一样，则您已经有了一个网格（每对 (x,y) 的 z 值），您只需要重新调整数组的形状：

cols = np.unique(xs).shape[0]
X = xs.reshape(-1, cols)
Y = ys.reshape(-1, cols)
Z = zs.reshape(-1, cols)