我试图用散点图绘制一些数据。我的代码是
import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np
from scipy.interpolate import griddata
data = np.loadtxt('file1.txt')
x = data[:,0]
y = data[:,1]
z = data[:,2]
plt.scatter(x, y, c=z, s=100, cmap=mpl.cm.spectral)
cbar=plt.colorbar()
s=18
plt.ylabel(r"$a_v$", size=s)
plt.xlabel(r"$a_{\rm min}$", size=s)
plt.xlim([x.min(),x.max()])
plt.ylim([y.min(),y.max()])
plt.show()
结果是
现在我想到了用一些数据尝试 imshow 的想法,因为我不喜欢散点图。所以我试过了
from matplotlib.mlab import griddata
import matplotlib.pyplot as plt
data = np.loadtxt('file1.txt')
x = data[:,0]
y = data[:,1]
z = data[:,2]
N = 30j
extent = (min(x), max(x), min(y), max(y))
xs,ys = np.mgrid[extent[0]:extent[1]:N, extent[2]:extent[3]:N]
resampled = griddata(x, y, z, xs, ys)
plt.imshow(resampled.T, extent=extent)
s=18
plt.ylabel(r"$a_v$", size=s)
plt.xlabel(r"$a_{\rm min}$", size=s)
plt.xlim([x.min(),x.max()])
plt.ylim([y.min(),y.max()])
cbar=plt.colorbar()
plt.show()
有了这个结果:
我的问题很明显,为什么 imshow()
会反转数据?这里到底发生了什么?
PS:这是 数据,以防有人想玩它们
原文由 Tengis 发布,翻译遵循 CC BY-SA 4.0 许可协议
查看
imshow
的关键字参数。有origin
。默认是“上”,但你想要“下”。默认值对于绘制图像很有意义,通常从左上角开始。对于大多数矩阵绘图,您需要
origin="lower"