Comment tracer la fonction 3D en tant que colormap 2D en python?

Sont toutes les bibliothèques python qui me permettra de tracer z = f(x,y) où z est représenté par la couleur dans un densément d'une image pixellisée (par opposition à la couleur d'un tas de nuage de points) ? Si oui, quelle fonction dois-je utiliser?

Il ressemble à du contour des fonctions de matplotlib.pyplot sont proches de ce que je veux, mais ils dessinent les lignes de contour et je n'en veux pas.

source d'informationauteur Ian Goodfellow

  1. 8

    Prendre un coup d'oeil à la documentation de pcolor ou imshow dans matplotlib.

    Un autre bon endroit pour commencer est de prendre un coup d'oeil à la matplotlib galerie et voir si il y a un type de courbe qui correspond à ce que vous recherchez, puis utilisez l'exemple de code comme un point de départ pour vos propres travaux:

    http://matplotlib.sourceforge.net/gallery.html

  2. 8

    voici un béton simple exemple (fonctionne aussi pour les fonctions qui ne peuvent pas prendre de la matrice des arguments pour x et y):

    # the function to be plotted
def func(x,y):    
    # gives vertical color bars if x is horizontal axis
    return x

import pylab

# define the grid over which the function should be plotted (xx and yy are matrices)
xx, yy = pylab.meshgrid(
    pylab.linspace(-3,3, 101),
    pylab.linspace(-3,3, 111))

# indexing of xx and yy (with the default value for the
# 'indexing' parameter of meshgrid(..) ) is as follows:
#
#   first index  (row index)    is y coordinate index
#   second index (column index) is x coordinate index
#
# as required by pcolor(..)

# fill a matrix with the function values
zz = pylab.zeros(xx.shape)
for i in range(xx.shape[0]):
    for j in range(xx.shape[1]):
        zz[i,j] = func(xx[i,j], yy[i,j])

# plot the calculated function values
pylab.pcolor(xx,yy,zz)

# and a color bar to show the correspondence between function value and color
pylab.colorbar()

pylab.show()
  3. 1

    À élargir mon commentaire ci-dessus, voici quelques méthodes possibles de calcul d'une fonction sur une grille

    boffi@debian:~/Documents/tmp$ cat grid.py 
import numpy as np
def z(x,y):
return np.sin(np.sqrt(x*x+y*y))
x = np.linspace(-1,1,11)
y = np.linspace(-2,2,21)
# naive
Z0 = np.zeros((len(y), len(x)))
for i, X in enumerate(x):
for j, Y in enumerate(y):
Z0[j,i] = z(X,Y)
# trampoline on a double list comprehension,
# it is possibly faster, sure it uses more memory
Z1 = np.array([[z(X,Y) for X in x] for Y in y])
# numpy has meshgrid, 
# meshgrid uses twice memory as the result matrix but
# if used _correctly_ it's FAST
X, Y = np.meshgrid(x, y)
# numpy can avoid you explicit looping,
# but if you are so inclined...
Z2 = np.zeros((len(y), len(x)))
for r in range(len(y)):
for c in range(len(x)):
Z2[r, c] = z(X[r, c], Y[r, c])
# numpy has ufuncs, and
# t h i s   i s   t h e   w a y   t o   g o
Z3 = z(X, Y)
# numpy has broadcasting (it's slower than Z = z(X, Y), less memory)
Z4 = z(x, y[:,None])
# note that x is still a _row_ of numbers, indexed by _columns_,
# while y[:,None] is now a _column_ of numbers, indexed by _rows_,
# so that Z4[row,column] <-- z(x[column], y[row])
# a bit of testing
# in previous answers, Z2 (i.e., explicit loops)
# is the preferred method --- here we show that the other four
# possible methods give you exactly the same result
print np.all(Z2==Z0)
print np.all(Z2==Z1)
print np.all(Z2==Z3)
print np.all(Z2==Z4)
boffi@debian:~/Documents/tmp$ python2 grid.py 
True
True
True
True
boffi@debian:~/Documents/tmp$
  4. 1

    De donner le crédit où il est dû: c'est seulement une légère variation sur Andre Holzner de réponse. Veuillez upvote lui si vous devez!

    import pylab
def f(x, y):
return pylab.cos(x) + pylab.sin(y)
xx = pylab.linspace(-5, 5, 100)
yy = pylab.linspace(-5, 5, 100)
zz = pylab.zeros([len(xx), len(yy)])
for i in xrange(len(xx)):
for j in xrange(len(yy)):
zz[j, i] = f(xx[i], yy[j])
pylab.pcolor(xx, yy, zz)
pylab.show()

    La syntaxe est peut-être plus facile à lire, avec le strict minimum de la matrice de dimensions et indices. Il s'appuie sur le point suivant (cité d'après la doc).

    If either or both of X and Y are 1-D arrays or column vectors, they will be expanded as needed into the appropriate 2-D arrays, making a rectangular grid.