使用 pcolormesh 进行 Matplotlib 二维图像绘制

简介

在本教程中，我们将学习如何使用Matplotlib库中的pcolormesh函数来生成二维图像风格的图表。我们将介绍pcolormesh的基本用法、非矩形的pcolormesh、中心坐标以及使用规范来设置级别。

虚拟机提示

虚拟机启动完成后，点击左上角切换到笔记本标签页，以访问Jupyter Notebook进行练习。

有时，你可能需要等待几秒钟让Jupyter Notebook完成加载。由于Jupyter Notebook的限制，操作的验证无法自动化。

如果你在学习过程中遇到问题，随时向Labby提问。课程结束后提供反馈，我们将立即为你解决问题。

基本的pcolormesh

我们通常通过定义四边形的边缘和四边形的值来指定一个pcolormesh。请注意，这里的x和y在各自的维度上比Z都多一个元素。

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(19680801)
Z = np.random.rand(6, 10)
x = np.arange(-0.5, 10, 1)  ## 长度 = 11
y = np.arange(4.5, 11, 1)  ## 长度 = 7

fig, ax = plt.subplots()
ax.pcolormesh(x, y, Z)

非矩形的pcolormesh

请注意，我们也可以为X和Y指定矩阵，从而得到非矩形的四边形。

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(19680801)
Z = np.random.rand(6, 10)
x = np.arange(-0.5, 10, 1)  ## 长度 = 11
y = np.arange(4.5, 11, 1)  ## 长度 = 7
X, Y = np.meshgrid(x, y)
X = X + 0.2 * Y  ## 倾斜坐标。
Y = Y + 0.3 * X

fig, ax = plt.subplots()
ax.pcolormesh(X, Y, Z)

中心坐标

通常，用户希望将与Z大小相同的X和Y传递给.axes.Axes.pcolormesh。如果传递了shading='auto'（由:rc:pcolor.shading设置的默认值），这也是允许的。在Matplotlib 3.3之前，shading='flat'会丢弃Z的最后一列和最后一行，但现在会报错。如果这确实是你想要的，那么只需手动丢弃Z的最后一行和最后一列：

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(19680801)
Z = np.random.rand(6, 10)
x = np.arange(10)  ## 长度 = 10
y = np.arange(6)  ## 长度 = 6
X, Y = np.meshgrid(x, y)

fig, axs = plt.subplots(2, 1, sharex=True, sharey=True)
axs[0].pcolormesh(X, Y, Z, vmin=np.min(Z), vmax=np.max(Z), shading='auto')
axs[0].set_title("shading='auto' = 'nearest'")
axs[1].pcolormesh(X, Y, Z[:-1, :-1], vmin=np.min(Z), vmax=np.max(Z),
                  shading='flat')
axs[1].set_title("shading='flat'")

使用规范设置级别

展示了如何将归一化（Normalization）和颜色映射（Colormap）实例相结合，以便在.axes.Axes.pcolor、.axes.Axes.pcolormesh和.axes.Axes.imshow类型的图表中绘制“级别”，其方式类似于contour/contourf的levels关键字参数。

import matplotlib.pyplot as plt
import numpy as np

from matplotlib.colors import BoundaryNorm
from matplotlib.ticker import MaxNLocator

## 将这些值设置得更小以提高分辨率
dx, dy = 0.05, 0.05

## 为x和y边界生成2个二维网格
y, x = np.mgrid[slice(1, 5 + dy, dy),
                slice(1, 5 + dx, dx)]

z = np.sin(x)**10 + np.cos(10 + y*x) * np.cos(x)

## x和y是边界，因此z应该是这些边界内的值。
## 因此，从z数组中删除最后一个值。
z = z[:-1, :-1]
levels = MaxNLocator(nbins=15).tick_values(z.min(), z.max())


## 选择所需的颜色映射，合理设置级别，并定义一个归一化实例，
## 该实例将数据值转换为级别。
cmap = plt.colormaps['PiYG']
norm = BoundaryNorm(levels, ncolors=cmap.N, clip=True)

fig, (ax0, ax1) = plt.subplots(nrows=2)

im = ax0.pcolormesh(x, y, z, cmap=cmap, norm=norm)
fig.colorbar(im, ax=ax0)
ax0.set_title('pcolormesh with levels')


## 等高线是基于点的图表，因此将我们的边界转换为点中心
cf = ax1.contourf(x[:-1, :-1] + dx/2.,
                  y[:-1, :-1] + dy/2., z, levels=levels,
                  cmap=cmap)
fig.colorbar(cf, ax=ax1)
ax1.set_title('contourf with levels')

## 调整子图之间的间距，使`ax1`的标题和`ax0`的刻度标签不重叠
fig.tight_layout()

plt.show()

总结

在本教程中，我们学习了如何使用Matplotlib库中的pcolormesh函数。我们涵盖了pcolormesh的基本用法、非矩形的pcolormesh、中心坐标以及使用规范设置级别。这些技术可用于在Matplotlib中生成不同类型的二维图像风格的图表。