来自 xyz 数据的 Matplotlib 轮廓：griddata 无效索引

Question

我正在尝试使用以下格式的文件的 matplotlib 绘制等高线图：

x1 y1 z1

x2 y2 z2

等

我可以用 numpy.loadtxt 加载它来获取向量。到目前为止，没有问题。

我阅读这篇文章是为了学习如何绘图，并且可以通过复制粘贴来重现它，所以我确信我的安装没有任何问题：

http://matplotlib.org/examples/pylab_examples/griddata_demo.html

我知道我必须输入 x 和 y 作为向量和 z 作为数组，这可以通过 griddata 来完成。这也是我在这个网站上找到的。

文档说：

zi = griddata(x,y,z,xi,yi) 将 z = f*(*x, y) 形式的曲面拟合到（通常）非均匀间隔向量 (x, y, z ）。 griddata() 在 (xi, yi) 指定的点处对该曲面进行插值以生成 zi。 xi 和 yi 必须描述一个规则网格，可以是 1D 或 2D，但必须是单调递增的。

为了举例，我写了这段代码：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.mlab as ml

x=np.linspace(1.,10.,20)
y=np.linspace(1.,10.,20)
z=np.linspace(1.,2.,20)

xi=np.linspace(1.,10.,10)
yi=np.linspace(1.,10.,10)

zi = ml.griddata(x,y,z,xi,yi)

但是，当涉及到 griddata 时，我收到以下错误： IndexError: 无效索引

因此，我尝试对文档的示例进行一些修改，如下所示：

from matplotlib.mlab import griddata
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-2.1,2.1,300)
y = np.linspace(-2.1,2.1,300)
z = x*np.exp(-x**2-y**2)
# define grid.
xi = np.linspace(-2.1,2.1,100)
yi = np.linspace(-2.1,2.1,200)
# grid the data.
zi = griddata(x,y,z,xi,yi,interp='linear')

我得到同样的错误。我不明白出了什么问题。

感谢您的帮助。

Answer 1

考虑：

x = np.linspace(1., 10., 20)
y = np.linspace(1., 10., 20)
z = np.linspace(1., 2., 20)

这意味着我们知道x=y 沿线某些点的 z 值。

从那里，

zi = ml.griddata(x,y,z,xi,yi)

要求mlab.griddata 为矩形网格中的所有点推断z 的值。

我们提供了很多关于z 如何沿这条线变化的信息，但没有关于z 如何在垂直方向（远离x = y 线）变化的信息。由于mlab.griddata 拒绝猜测，因此引发错误。

如果您的初始x、y 数据分布更随机，您将获得更好的结果：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.mlab as ml

ndata = 10
ny, nx = 100, 200
xmin, xmax = 1, 10
ymin, ymax = 1, 10
# x = np.linspace(1, 10, ndata)
# y = np.linspace(1, 10, ndata)

x = np.random.randint(xmin, xmax, ndata)
y = np.random.randint(ymin, ymax, ndata)
z = np.random.random(ndata)

xi = np.linspace(xmin, xmax, nx)
yi = np.linspace(ymin, ymax, ny)
zi = ml.griddata(x, y, z, xi, yi)

plt.contour(xi, yi, zi, 15, linewidths = 0.5, colors = 'k')
plt.pcolormesh(xi, yi, zi, cmap = plt.get_cmap('rainbow'))

plt.colorbar() 
plt.scatter(x, y, marker = 'o', c = 'b', s = 5, zorder = 10)
plt.xlim(xmin, xmax)
plt.ylim(ymin, ymax)
plt.show()

---

如果您希望mlab.griddata 以任意方式将沿线x=y 的数据外推到整个网格，您可以添加两个额外的边界点(xmin, ymax, z[0]) 和(xmax,ymin,z[-1])：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.mlab as ml

np.random.seed(8)
ndata = 10
ny, nx = 100, 200
xmin, xmax = 1, 10
ymin, ymax = 1, 10
x = np.linspace(1, 10, ndata)
y = np.linspace(1, 10, ndata)
z = np.random.random(ndata)
x = np.r_[x,xmin,xmax]
y = np.r_[y,ymax,ymin]
z = np.r_[z,z[0],z[-1]]
xi = np.linspace(xmin, xmax, nx)
yi = np.linspace(ymin, ymax, ny)


# Requires installation of natgrid
# http://sourceforge.net/projects/matplotlib/files/matplotlib-toolkits/
zi = ml.griddata(x, y, z, xi, yi, interp='nn')

# Or, without natgrid:
# zi = ml.griddata(x, y, z, xi, yi, interp='linear')

plt.contour(xi, yi, zi, 15, linewidths = 0.5, colors = 'k')
plt.pcolormesh(xi, yi, zi, cmap = plt.get_cmap('rainbow'))

plt.colorbar() 
plt.scatter(x, y, marker = 'o', c = 'b', s = 10, zorder = 10)
plt.xlim(xmin, xmax)
plt.ylim(ymin, ymax)
plt.show()

Answer 2

好的，我终于找到了绘制它的解决方案。对于那些感兴趣的人，这里有诀窍：使用 Scipy 中的 griddata 和“最近”方法。

from scipy.interpolate import griddata
import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(1.,10.,20)
y=np.linspace(1.,10.,20)
z=z = np.random.random(20)
xi=np.linspace(1.,10.,10)
yi=np.linspace(1.,10.,10)

X,Y= np.meshgrid(xi,yi)
Z = griddata((x, y), z, (X, Y),method='nearest')
plt.contourf(X,Y,Z)