問題是你只是在轉(zhuǎn)換數(shù)組的邊。通過只轉(zhuǎn)換邊的x和y坐標(biāo)，可以有效地轉(zhuǎn)換二維數(shù)組中對(duì)角線的坐標(biāo)。這一行的theta值的范圍非常小，您將該范圍應(yīng)用于整個(gè)網(wǎng)格。在

快速(但不正確)的修復(fù)

在大多數(shù)情況下，您可以將整個(gè)網(wǎng)格(即x和y的二維數(shù)組，生成theta和{}的二維數(shù)組)轉(zhuǎn)換為極坐標(biāo)。在

而不是：H, xedges, yedges = np.histogram2d(x2,y2)

theta_edges, r_edges = CartesianToPolar(xedges[:-1],yedges[:-1])

做類似于：

^{pr2}$

作為一個(gè)完整的例子：import numpy as np

import matplotlib.pyplot as plt

def main():

x2, y2 = generate_data()

theta2, r2 = cart2polar(x2,y2)

fig2 = plt.figure()

ax2 = fig2.add_subplot(111, projection="polar")

ax2.scatter(theta2, r2, color='hotpink')

H, xedges, yedges = np.histogram2d(x2,y2)

xedges, yedges = np.meshgrid(xedges[:-1], yedges[:-1])

theta_edges, r_edges = cart2polar(xedges, yedges)

ax2.contour(theta_edges, r_edges, H)

plt.show()

def generate_data():

np.random.seed(2015)

N = 1000

shift_value = -6.

x2 = np.random.randn(N) + shift_value

y2 = np.random.randn(N) + shift_value

return x2, y2

def cart2polar(x,y):

r = np.sqrt(x**2 + y**2)

theta = np.arctan2(y,x)

return theta, r

main()

但是，您可能會(huì)注意到這看起來有點(diǎn)不正確。這是因?yàn)閍x.contour隱式地假設(shè)輸入數(shù)據(jù)在規(guī)則網(wǎng)格上。我們?cè)诘芽栕鴺?biāo)系下給了它一個(gè)規(guī)則網(wǎng)格，但在極坐標(biāo)系中沒有給它一個(gè)規(guī)則網(wǎng)格。假設(shè)我們?cè)跇O坐標(biāo)系中通過了一個(gè)規(guī)則的網(wǎng)格。我們可以重新取樣，但有更簡單的方法。在

正確的解決方案

要正確繪制二維直方圖，請(qǐng)?jiān)跇O坐標(biāo)空間中計(jì)算直方圖。在

例如，執(zhí)行類似的操作：theta2, r2 = cart2polar(x2,y2)

H, theta_edges, r_edges = np.histogram2d(theta2, r2)

ax2.contour(theta_edges[:-1], r_edges[:-1], H)

作為一個(gè)完整的例子：import numpy as np

import matplotlib.pyplot as plt

def main():

x2, y2 = generate_data()

theta2, r2 = cart2polar(x2,y2)

fig2 = plt.figure()

ax2 = fig2.add_subplot(111, projection="polar")

ax2.scatter(theta2, r2, color='hotpink')

H, theta_edges, r_edges = np.histogram2d(theta2, r2)

ax2.contour(theta_edges[:-1], r_edges[:-1], H)

plt.show()

def generate_data():

np.random.seed(2015)

N = 1000

shift_value = -6.

x2 = np.random.randn(N) + shift_value

y2 = np.random.randn(N) + shift_value

return x2, y2

def cart2polar(x,y):

r = np.sqrt(x**2 + y**2)

theta = np.arctan2(y,x)

return theta, r

main()

最后，您可能會(huì)注意到上面的結(jié)果有輕微的變化。這與面向單元格的網(wǎng)格約定(x[0,0], y[0,0]表示單元格的中心)和面向邊緣的網(wǎng)格約定(x[0,0], y[0,0]給出單元格的左下角)有關(guān)。ax.contour希望內(nèi)容以單元格為中心，但您給了它邊緣對(duì)齊的x和y值。在

這只是半個(gè)單元的移位，但如果您想修復(fù)它，請(qǐng)執(zhí)行以下操作：def centers(bins):

return np.vstack([bins[:-1], bins[1:]]).mean(axis=0)

H, theta_edges, r_edges = np.histogram2d(theta2, r2)

theta_centers, r_centers = centers(theta_edges), centers(r_edges)

ax2.contour(theta_centers, r_centers, H)

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎(jiǎng)勵(lì)來咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎(jiǎng)

總結(jié)

以上是生活随笔為你收集整理的用python画常密度轮廓线,如何使用Matplotlib在极坐标中绘制具有等高线密度线的散点图？...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。