以不同角度对 Contourf 图进行切片以获得 2D 线图

Question

我正在尝试以不同角度或 matplotlib contourf 图的切片生成二维线图。

以下面的 matplotlib contourf 演示示例为例

import numpy as np
import matplotlib.pyplot as plt

origin = 'lower'

delta = 0.025

x = y = np.arange(-3.0, 3.01, delta)
X, Y = np.meshgrid(x, y)
Z1 = np.exp(-X**2 - Y**2)
Z2 = np.exp(-(X - 1)**2 - (Y - 1)**2)
Z = (Z1 - Z2) * 2

nr, nc = Z.shape


fig1, ax2 = plt.subplots(constrained_layout=True)
CS = ax2.contourf(X, Y, Z, 10, cmap=plt.cm.viridis, origin=origin,extend='both')



ax2.set_title('Random Plot')
ax2.set_xlabel('X Axis')
ax2.set_ylabel('Y Axis')
cbar = fig1.colorbar(CS)

理想情况下，我想在地图上生成不同角度（30、45、60 度）的线（从任意点开始直到现有数组的末尾），然后绘制该线上的 Z 变化。

我认为原则上更简单的问题是，从 (X2,Y2) 到 (X1,Y1) 的直线并绘制给定轮廓（已经是插值数据）的 Z 变化。

例如，原始问题是从 (-3,-3) 以 45 度角跨过的直线。类似的问题是假设一条从 (-3,-3) 到 (3,3) 的线，并绘制该线上不同位置的 Z 变化。

生成的源等高线图是：

Answer 1

这是一个相当低效的方法，但它确实有效。它重新计算新网格上的函数，它只需要对角线。

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import RectBivariateSpline

delta = 0.025

x = y = np.arange(-3.0, 3.01, delta)
X, Y = np.meshgrid(x, y)
Z1 = np.exp(-X ** 2 - Y ** 2)
Z2 = np.exp(-(X - 1) ** 2 - (Y - 1) ** 2)
Z = (Z1 - Z2) * 2

nr, nc = Z.shape

x1, y1 = -3, -2
x2, y2 = 3, 2

fig, (ax1, ax2) = plt.subplots(ncols=2, figsize=(15, 5))
CS = ax1.contourf(X, Y, Z, 10, cmap=plt.cm.viridis, origin='lower', extend='both')
ax1.plot([x1, x2], [y1, y2], color='k', ls='--', lw=3, alpha=0.6)
ax1.set_xlabel('X Axis')
ax1.set_ylabel('Y Axis')
cbar = fig.colorbar(CS, ax=ax1)

spline_func = RectBivariateSpline(x, y, Z)
xline = np.linspace(x1, x2, 200)
yline = np.linspace(y1, y2, 200)
zline = spline_func(xline, yline)
ax2.plot(xline, zline.diagonal())
ax2.set_xlabel('X Axis')
ax2.set_ylabel('Z Axis')

plt.show()

以不同角度对 Contourf 图进行切片以获得 2D 线图

Slices across Contourf plots at different angles to get 2D line plots

python

numpy

matplotlib

contourf