数据表中的径向热图

问题描述

我有一个包含3列数据的文件：天顶（Z，从0到90°）和方位角（A，从0到360°）。和发光作为颜色变量。

我需要将python与matplotlib结合使用以将这些数据绘制成类似以下内容的内容：

到目前为止，这是我的代码（它返回错误）：

import matplotlib.pyplot as plt
import numpy as np

# `data` has the following shape:
# [
#    [Zenith value going from 0 to 90],#    [Azimuth values (0 to 365) increasing by 1 and looping back after 365],#    [radiance: floats that need to be mapped by the color value]
#]
data = [[6.000e+00 1.200e+01 1.700e+01 2.300e+01 2.800e+01 3.400e+01 3.900e+01
  4.500e+01 5.000e+01 5.600e+01 6.200e+01 6.700e+01 7.300e+01 7.800e+01
  8.400e+01 8.900e+01 3.934e+01 4.004e+01 4.054e+01 4.114e+01 4.154e+01
  4.204e+01 4.254e+01 4.294e+01 4.334e+01 4.374e+01 4.414e+01 4.454e+01
  4.494e+01 4.534e+01 4.564e+01 4.604e+01 4.644e+01 4.684e+01 4.714e+01
  4.754e+01 4.794e+01 4.824e+01 4.864e+01 4.904e+01 4.944e+01 4.984e+01
  5.014e+01 5.054e+01 5.094e+01 5.134e+01 5.174e+01 5.214e+01 5.264e+01
  5.304e+01 5.344e+01 5.394e+01 5.444e+01 5.494e+01 5.544e+01 5.604e+01
  5.674e+01 5.764e+01]
 [1.960e+02 3.600e+01 2.360e+02 7.600e+01 2.760e+02 1.160e+02 3.160e+02
  1.560e+02 3.560e+02 1.960e+02 3.600e+01 2.360e+02 7.600e+01 2.760e+02
  1.160e+02 3.160e+02 6.500e+00 3.400e+00 3.588e+02 2.500e+00 3.594e+02
  3.509e+02 5.000e-01 6.900e+00 1.090e+01 3.478e+02 1.250e+01 1.050e+01
  7.300e+00 2.700e+00 3.571e+02 3.507e+02 1.060e+01 3.200e+00 3.556e+02
  3.480e+02 7.300e+00 3.597e+02 3.527e+02 1.260e+01 6.600e+00 1.200e+00
  3.570e+02 3.538e+02 3.520e+02 3.516e+02 3.528e+02 3.560e+02 1.200e+00
  8.800e+00 3.567e+02 1.030e+01 6.800e+00 8.300e+00 3.583e+02 3.581e+02
  3.568e+02 3.589e+02]
 [3.580e-04 6.100e-04 3.220e-04 4.850e-04 4.360e-04 2.910e-04 1.120e-03
  2.320e-04 4.300e-03 2.680e-04 1.700e-03 3.790e-04 7.460e-04 8.190e-04
  1.030e-03 3.650e-03 3.050e-03 3.240e-03 3.340e-03 3.410e-03 3.490e-03
  3.290e-03 3.630e-03 3.510e-03 3.320e-03 3.270e-03 3.280e-03 3.470e-03
  3.720e-03 3.960e-03 3.980e-03 3.700e-03 3.630e-03 4.100e-03 4.080e-03
  3.600e-03 3.990e-03 4.530e-03 4.040e-03 3.630e-03 4.130e-03 4.370e-03
  4.340e-03 4.210e-03 4.100e-03 4.090e-03 4.190e-03 4.380e-03 4.460e-03
  4.080e-03 4.420e-03 3.960e-03 4.230e-03 4.120e-03 4.440e-03 4.420e-03
  4.370e-03 4.380e-03]]

rad = data[0]
azm = data[1]

# From what I understand,I need to create a meshgrid from the zenith and azimuth values
r,th = np.meshgrid(rad,azm)

z = data[2] # This doesn't work as `pcolormesh` expects this to be a 2d array

plt.subplot(projection="polar")

plt.pcolormesh(th,r,z,shading="auto")

plt.plot(azm,color="k",ls="none")

plt.show()

• 注意：我的实际数据持续56k行，看起来像这样（忽略第4列）：

  

上面的示例数据是我尝试降低此海量文件的分辨率，因此我只使用了1/500行数据。 可能是降低分辨率的错误方法，如果可以，请纠正我！

我见过的每个教程都从z生成的r数组生成meshgrid值。这使我对如何将z列转换为2d数组（正确映射到天顶和方位角值）感到困惑。 他们将使用以下内容：

z = (r ** 2.0) / 4.0

因此，采用r的确切形状并应用变换来创建颜色。

解决方法

绘制给定数据的最简单方法是极坐标散点图。 使用蓝色表示低值，使用红色表示高值，

import matplotlib.pyplot as plt
import numpy as np

data = [[6.000e+00,1.200e+01,1.700e+01,2.300e+01,2.800e+01,3.400e+01,3.900e+01,4.500e+01,5.000e+01,5.600e+01,6.200e+01,6.700e+01,7.300e+01,7.800e+01,8.400e+01,8.900e+01,3.934e+01,4.004e+01,4.054e+01,4.114e+01,4.154e+01,4.204e+01,4.254e+01,4.294e+01,4.334e+01,4.374e+01,4.414e+01,4.454e+01,4.494e+01,4.534e+01,4.564e+01,4.604e+01,4.644e+01,4.684e+01,4.714e+01,4.754e+01,4.794e+01,4.824e+01,4.864e+01,4.904e+01,4.944e+01,4.984e+01,5.014e+01,5.054e+01,5.094e+01,5.134e+01,5.174e+01,5.214e+01,5.264e+01,5.304e+01,5.344e+01,5.394e+01,5.444e+01,5.494e+01,5.544e+01,5.604e+01,5.674e+01,5.764e+01],[1.960e+02,3.600e+01,2.360e+02,7.600e+01,2.760e+02,1.160e+02,3.160e+02,1.560e+02,3.560e+02,1.960e+02,6.500e+00,3.400e+00,3.588e+02,2.500e+00,3.594e+02,3.509e+02,5.000e-01,6.900e+00,1.090e+01,3.478e+02,1.250e+01,1.050e+01,7.300e+00,2.700e+00,3.571e+02,3.507e+02,1.060e+01,3.200e+00,3.556e+02,3.480e+02,3.597e+02,3.527e+02,1.260e+01,6.600e+00,1.200e+00,3.570e+02,3.538e+02,3.520e+02,3.516e+02,3.528e+02,8.800e+00,3.567e+02,1.030e+01,6.800e+00,8.300e+00,3.583e+02,3.581e+02,3.568e+02,3.589e+02],[3.580e-04,6.100e-04,3.220e-04,4.850e-04,4.360e-04,2.910e-04,1.120e-03,2.320e-04,4.300e-03,2.680e-04,1.700e-03,3.790e-04,7.460e-04,8.190e-04,1.030e-03,3.650e-03,3.050e-03,3.240e-03,3.340e-03,3.410e-03,3.490e-03,3.290e-03,3.630e-03,3.510e-03,3.320e-03,3.270e-03,3.280e-03,3.470e-03,3.720e-03,3.960e-03,3.980e-03,3.700e-03,4.100e-03,4.080e-03,3.600e-03,3.990e-03,4.530e-03,4.040e-03,4.130e-03,4.370e-03,4.340e-03,4.210e-03,4.090e-03,4.190e-03,4.380e-03,4.460e-03,4.420e-03,4.230e-03,4.120e-03,4.440e-03,4.380e-03]]

rad = np.radians(data[1])
azm = data[0]
z = data[2]

plt.subplot(projection="polar")
plt.scatter(rad,azm,c=z,cmap='coolwarm')
plt.colorbar()
plt.show()

使用您的真实数据创建这样的散点图可以使您了解其外观。您可能要选择different colormap，具体取决于要传达的内容。如果点太多，也可以选择较小的点大小（例如plt.scatter(rad,cmap='plasma',s=1,ec='none')）。

一种简单的方法可以使用256种颜色的tricontourf从非栅格数据创建填充图像（对于给定的数据来说看起来很沉闷，所以我没有添加示例图）。

plt.subplot(projection="polar")
plt.tricontourf(rad,z,levels=256,cmap='coolwarm')

,

解决方案一直都在数据文件中。我需要更好地了解np.meshrid的实际功能。原来数据已经是2d数组，只需要重塑形状即可。我还发现了文件中的缺陷，将其行数从56k减少到15k。这足够小，我不需要降低分辨率。 这是我重塑数据的方式以及解决方案的外观：

import matplotlib.pyplot as plt
import numpy as np


with open("data.txt") as f:
    lines = np.array(
        [
            [float(n) for n in line.split("\t")]
            for i,line in enumerate(f.read().splitlines())
        ]
    )

data = [np.reshape(a,(89,180)) for a in lines.T]

rad = np.radians(data[1])
azm = data[0]
z = data[2]

plt.subplot(projection="polar")
plt.pcolormesh(rad,cmap="coolwarm",shading="auto")
plt.colorbar()
plt.show()