pcolormesh#

axes.Axes.pcolormesh 允许您生成 2D 图像样式的绘图。请注意，它比类似的 pcolor 快。

import matplotlib.pyplot as plt
import numpy as np

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

基本 pcolormesh#

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

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

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

非直线 pcolormesh#

请注意，我们还可以为 X 和 Y 指定矩阵，并拥有非直线四边形。

x = np.arange(-0.5, 10, 1)  # len = 11
y = np.arange(4.5, 11, 1)  # len = 7
X, Y = np.meshgrid(x, y)
X = X + 0.2 * Y  # tilt the coordinates.
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'（默认由 rcParams["pcolor.shading"] (默认值： 'auto')）设置，也允许这样做。在 Matplotlib 3.3 之前，shading='flat' 会删除 Z 的最后一列和最后一行，但现在会报错。如果这真的是你想要的，那么只需手动删除 Z 的最后一行和最后一列

x = np.arange(10)  # len = 10
y = np.arange(6)  # len = 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'")

shading='auto' = 'nearest', shading='flat'

使用范数创建级别#

展示如何组合归一化和颜色映射实例，以在 axes.Axes.pcolor、axes.Axes.pcolormesh 和 axes.Axes.imshow 类型绘图中以类似于轮廓/轮廓填充的级别关键字参数的方式绘制“级别”。

# make these smaller to increase the resolution
dx, dy = 0.05, 0.05

# generate 2 2d grids for the x & y bounds
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 and y are bounds, so z should be the value *inside* those bounds.
# Therefore, remove the last value from the z array.
z = z[:-1, :-1]
levels = MaxNLocator(nbins=15).tick_values(z.min(), z.max())


# pick the desired colormap, sensible levels, and define a normalization
# instance which takes data values and translates those into levels.
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')


# contours are *point* based plots, so convert our bound into point
# centers
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')

# adjust spacing between subplots so `ax1` title and `ax0` tick labels
# don't overlap
fig.tight_layout()

plt.show()

pcolormesh with levels, contourf with levels

参考资料

以下函数、方法、类和模块的用法在此示例中显示

脚本总运行时间：（0 分钟 3.622 秒）

由 Sphinx-Gallery 生成的图库