matplotlib 中的对数对数密度颜色图

Question

我正在尝试使用 Matplotlib 2.0.0 版本创建具有给定数据并在两个轴 x、y 上使用对数刻度的密度图。我制作了以下代码，问题是对于日志情节案例没有给出正确的功能行为。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cm as cm

init = 0.0
points = 500
final_value = 100
steep = (final_value-init)/points
list_values_x = np.arange(init,final_value,steep)
list_values_y = np.arange(init,final_value,steep)

#WE CREATE OUT DATA FILE

f1 = open("data.txt", "w")
for i in list_values_x:
    for j in list_values_y:
        f1.write( str(i) +" "+str(j)+" "+str(0.0001*(i**2+j**2)) +"\n")

f1.close()


#NOW WE OPEN THE FILE WITH THE DATA AND MAKE THE PLOT
x,y,temp = np.loadtxt('data.txt').T #Transposed for easier unpacking

nrows, ncols = points, points
grid = temp.reshape((nrows, ncols))

# LINEAR PLOT

fig1 = plt.imshow(grid, extent=(x.min(), x.max(), y.max(), y.min()),
           interpolation='nearest', cmap=cm.gist_rainbow)
plt.axis([x.min(), x.max(),y.min(),  y.max()])
plt.colorbar()
plt.suptitle('Example', fontsize=15)
plt.xlabel('x', fontsize=16)
plt.ylabel('y', fontsize=16)

plt.show()

# LOG-LOG PLOT

fig, (ax1) = plt.subplots(ncols=1, figsize=(8, 4))

ax1.imshow(grid, aspect="auto", extent=(1, 1e2, 1, 1e2), interpolation='nearest')
ax1.set_yscale('log')
ax1.set_xscale('log')
ax1.set_title('Example with log scale')



plt.show()

我用来制作情节的数据无关紧要，这只是一个例子。因此，第一个图以线性比例给出。第二个图是用对数刻度给出的，但很明显它是不正确的，两个图之间的行为是完全不同的，我使用的是相同的数据。此外，我不知道如何在 log-log 图中放置颜色条

知道为什么会这样吗？感谢您的关注。

PD：为了构建对数图，我使用了 (http://matplotlib.org/devdocs/users/whats_new.html#non-linear-scales-on-image-plots) 中给出的“图像图上的非线性比例”中出现的部分代码

Answer 1

在imshow 中另外使用origin="lower" 时，将extent 关键字与extent=(xmin, xmax, ymin, ymax) 一起使用更有意义。您可能还想设置坐标轴的限制，因为自动功能不适用于对数刻度。

这是完整的例子：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cm as cm
from mpl_toolkits.axes_grid1 import make_axes_locatable

points = 500
init = 0.0
final_value = 100
steep = (final_value-init)/points
x = np.arange(init,final_value,steep)
y = np.arange(init,final_value,steep)
X,Y = np.meshgrid(x,y)
Z = 0.0001*(X**2+Y**2)

fig, (ax, ax1) = plt.subplots(ncols=2, figsize=(8, 4))
# LINEAR PLOT
im = ax.imshow(Z, extent=(x.min(), x.max(), y.min(), y.max() ),
           interpolation='nearest', cmap=cm.gist_rainbow, origin="lower")
ax.set_title('lin scale')

#make colorbar
divider = make_axes_locatable(ax)
ax_cb = divider.new_horizontal(size="5%", pad=0.05)
fig.add_axes(ax_cb)
fig.colorbar(im, cax = ax_cb, ax=ax)

# LOG-LOG PLOT
im1 = ax1.imshow(Z,  extent=(1, 1e2, 1, 1e2), 
           interpolation='nearest',cmap=cm.gist_rainbow, origin="lower")
ax1.set_yscale('log')
ax1.set_xscale('log')
ax1.set_xlim([1, x.max()])
ax1.set_ylim([1, y.max()])
ax1.set_title('log scale')

#make colorbar
divider1 = make_axes_locatable(ax1)
ax_cb1 = divider1.new_horizontal(size="5%", pad=0.05)
fig.add_axes(ax_cb1)
fig.colorbar(im1, cax = ax_cb1, ax=ax1)

plt.tight_layout()
plt.show()