matplotlib 从非线性方程图中看到更多细节[复制]

23c0lvtd 于 2023-11-22 发布在其他

关注(0)|答案(1)|浏览(102)

此问题在此处已有答案：

Adding extra contour lines using 2D contour plotting（1个答案）
7天前关闭。
我有一个非线性函数系统的等值线图，我试图在图中获得更多的细节。我确信在iscontour（环）内有3个iscontour（岛状）标记为1。这些将是局部最小值。我不太明白如何进一步放大图形，让它们在图中呈现。
对python和xmlyter notebook来说是相当新的，我会很感激任何关于我如何做到这一点的见解。

delta = 0.025
x = np.arange(-3, 1.0, delta)
y = np.arange(-3, 2.0, delta)
X, Y = np.meshgrid(x, y)
e1 = X*X + 2*Y*Y + np.sin(2*X)
e2 = X*X + np.cos(X+5*Y) - 1.2
Z = e1**2 + e2**2 

fig, ax = plt.subplots()
CS = ax.contour(X, Y, Z, np.array([1, 5, 10, 50, 100]))
ax.clabel(CS, inline=True, fontsize=10)

字符串
Current output的

matplotlib

来源：https://stackoverflow.com/questions/77476001/seeing-more-detail-from-a-graph-of-nonlinear-equations

1条答案

按热度按时间

6uxekuva1#

好吧，如果你知道在值为1的轮廓内有三个最小值，那么你可以给予更小的值给levels参数来查看它们：

import matplotlib.pyplot as plt                                                                                       
import numpy as np                                                                                                    
                                                                                                                      
                                                                                                                      
delta = 0.025                                                                                                         
x = np.arange(-3, 1.0, delta)                                                                                         
y = np.arange(-3, 2.0, delta)                                                                                         
X, Y = np.meshgrid(x, y)                                                                                              
e1 = X*X + 2*Y*Y + np.sin(2*X)                                                                                        
e2 = X*X + np.cos(X+5*Y) - 1.2                                                                                        
Z = e1**2 + e2**2 # ensure's its positive                                                                             
                                                                                                                      
fig, ax = plt.subplots()                                                                                              
CS = ax.contour(X, Y, Z, np.array([0.1, 1, 5, 10, 50, 100]))                                                          
ax.clabel(CS, inline=True, fontsize=10)                                                                               
ax.set_xlim(-3, 1)                                                                                                    
ax.set_ylim(-2, 1)                                                                                                    
plt.show()

字符串

的数据
你也可以像我上面所做的那样，通过使用xlim和ylim来修改轴的居中：如果你把盒子变小，三个最小值会更明显。