使用极坐标在 matplotlib 中绘制等高线密度图

Question

根据一组角度 (theta) 和半径 (r)，我使用 matplotlib 绘制了一个散点图：

fig = plt.figure()
ax = plt.subplot(111, polar=True)

ax.scatter(theta, r, color='None', edgecolor='red')

ax.set_rmax(1)   
plt.savefig("polar.eps",bbox_inches='tight')

Which gave me this figure

我现在想在上面绘制密度等值线图，所以我尝试了：

fig = plt.figure()
ax = plt.subplot(111, polar=True)

H, theta_edges, r_edges = np.histogram2d(theta, r)
cax = ax.contourf(theta_edges[:-1], r_edges[:-1], H, 10, cmap=plt.cm.Spectral)

ax.set_rmax(1)
plt.savefig("polar.eps",bbox_inches='tight')

Which gave me the following results that is obviously not what I wanted to do.

我做错了什么？

Answer 1

我认为您的问题的解决方案是为您的直方图定义 bins 数组（例如 0 到 2pi 之间的 linspaced 数组用于 theta 和 0 到 1 之间用于 r）。这可以通过函数 numpy.histogram

的 bins 或 range 参数来完成

我这样做了，通过绘制 theta % (2 * pi) 而不是 theta 来确保 theta 值都在 0 和 2pi 之间。

最后，您可以选择绘制 bin 边缘的中间而不是像示例中那样绘制 bin 的左侧（使用 0.5 * (r_edges[1:] + r_edges[:-1]) 而不是 r_edges[:-1])

下面是代码的建议

import matplotlib.pyplot as plt
import numpy as np

#create the data 
r1     = .2 + .2 * np.random.randn(200)
theta1 = 0. + np.pi / 7. * np.random.randn(len(r1)) 
r2     = .8 + .2 * np.random.randn(300)
theta2 = .75 * np.pi + np.pi / 7. * np.random.randn(len(r2)) 
r = np.concatenate((r1, r2))
theta = np.concatenate((theta1, theta2))



fig = plt.figure()
ax = plt.subplot(111, polar=True)

#define the bin spaces
r_bins     = np.linspace(0., 1., 12)
N_theta    = 36
d_theta    = 2. * np.pi / (N_theta + 1.)
theta_bins = np.linspace(-d_theta / 2., 2. * np.pi + d_theta / 2., N_theta)


H, theta_edges, r_edges = np.histogram2d(theta % (2. * np.pi), r, bins = (theta_bins, r_bins))

#plot data in the middle of the bins
r_mid     = .5 * (r_edges[:-1] + r_edges[1:])
theta_mid = .5 * (theta_edges[:-1] + theta_edges[1:])


cax = ax.contourf(theta_mid, r_mid, H.T, 10, cmap=plt.cm.Spectral)
ax.scatter(theta, r, color='k', marker='+')
ax.set_rmax(1)
plt.show()

结果应该是

使用极坐标在 matplotlib 中绘制等高线密度图

Contour density plot in matplotlib using polar coordinates

python

matplotlib

polar-coordinates