如何解决如何使用三列向量绘制颜色图？
我有三个向量X，Y和Coc。 X和Y以米为单位。我想使用Python在颜色图中可视化Coc。
我想用下面的代码绘制一个颜色图
import pandas as pd
import matplotlib.pyplot as plt
X=pd.read_csv('X.csv')
Y=pd.read_csv('Y.csv')
Coc=pd.read_csv('Coc.csv')
plt.pcolor(X,Y,Coc*1e6,cmap='jet');
plt.clim((1e-17,1e-1));
plt.xlabel('x (metres)');
plt.ylabel('y (metres)');
cb1=plt.colorbar();
plt.show()
但是我得到一个空图。
我做错了什么，或者还有其他方法可以可视化数据。
数据X，Y和Coc在网址中。
https://drive.google.com/folderview?id=1w9f-wTlpgyUYBveZNeZvdcRrMgFR9jKB
解决方法
您有222个条目，但是只有6个不同的public class InRange {
public static void main(String[] args){
checkRange();
}
private static void checkRange() {
int[] points = new int[3];
points[0] = -1;
points[1] = 6;
points[2] = 11;
for(int i = 0; i<points.length; i++){
if(points[i] >= 0 && points[i]<=10){
System.out.println(points[i] + " Point between 0 and 10");
}else{
System.out.println(points[i] + " Point not Between 0 and 10");
}
}
}
}
对。您无法根据此类数据创建xy图。
要绘制与每个pcolor对对应的Coc的分布，可以迭代6对，并从对应的xy值创建一个kdeplot。更改图例的一种简单方法是使用Coc。
plt.legend(new_labels,title='Locations:') 
另一种方法是对属于每个import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
X = np.array([754.285,755.062,756.754,758.071,758.195,759.19,754.285,759.19])
Y = np.array([569.503,570.785,571.896,572.669,574.231,576.993,569.503,576.993])
Coc = np.array([3.96e-15,2.39e-15,8.5e-15,2.83e-14,7.59e-15,2.0287e-01,1.1584e-02,2.1402e-01,3.5672e-02,5.2448e-02,1.2968e-02,3.2069e-02,2.267e-02,2.553e-01,4.1874e-02,5.9223e-01,1.9305e-01,4.3572e-02,4.9312e-02,2.9767e-01,2.8906e-02,3.67e-14,1.4846e-02,9.2954e-03,1.e-14,3.73e-02,5.67e-15,5.92e-15,7.62e-15,1.3594e-02,2.3187e-02,1.5313e-02,2.6313e-02,1.2019e-02,5.3779e-02,2.0352e-02,8.21e-15,1.2439e-01,1.08e-14,8.32e-15,1.86e-14,1.13e-14,1.97e-14,8.75e-15,4.33e-15,1.6688e-02,1.3375e-02,7.7849e-03,1.5341e-02,6.44e-15,9.18e-15,5.3385e-02,3.4455e-02,2.3291e-02,2.7082e-02,3.1913e-02,1.24e-14,1.89e-14,4.67e-15,5.09e-15,1.75e-14,1.12e-14,4.14e-15,3.54e-15,1.84e-15,1.315e-02,2.2633e-02,3.1406e-02,2.677e-02,3.61e-15,1.2997e-02,6.59e-15,2.62e-14,1.2e-14,4.29e-15,5.06e-15,1.3807e-02,4.4542e-02,5.5308e-02,1.0526e-01,1.9305e-02,1.9241e-02,1.2328e-02,1.8143e-01,6.5041e-02,1.7483e-02,1.0189e-02,6.4138e-03,2.8158e-02,9.6417e-02,3.8939e-02,1.8071e-02,1.07e-14,4.7207e-02,9.424e-03,1.6424e-02,1.5549e-02,3.56e-15,1.2974e-02,1.4416e-02,2.81e-14,1.15e-14,9.34e-15,7.5394e-02,5.41e-15,1.3e-15,1.68e-14,6.8171e-02,3.7142e-01,1.29e-14,4.04e-15,3.6949e-02,8.29e-14,1.1353e-01,1.0511e-01,6.9931e-02,2.2165e-02,3.99e-15,7.5611e-02,7.2137e-02,6.5534e-02,1.1801e-01,7.3289e-02,1.2758e-01,9.65e-14,6.57e-14,4.06e-14,1.1855e-01,1.8555e-01,7.8953e-02,3.27e-14,1.34e-13,7.62e-14,4.5127e-01,2.15e-14,1.87e-14,3.9084e-02,5.8303e-02,2.5415e-02,1.0993e-02,2.8583e-02,8.5474e-02,1.4232e-01,4.5611e-03,5.7911e-02,2.3238e-02,5.4378e-02,4.17e-14,1.9012e-01,5.8091e-02,1.3003e-01,7.9366e-02,6.4835e-02,4.0271e-02,3.1583e-02,2.5052e-02,5.5835e-01,5.2339e-02,9.7333e-03,6.276e-03,3.6937e-02,2.5363e-02,1.2715e-02,2.869e-02,1.6557e-02,4.23e-14,7.85e-14,3.75e-15,3.88e-14,9.77e-14,2.4679e-01,2.63e-14,8.7e-15,3.8667e-02,2.28e-14,7.56e-15,1.6e-15,1.52e-14,1.65e-14,2.73e-14,2.72e-14,8.5802e-03,2.82e-14,1.96e-14,1.1001e-01,3.32e-14,1.0628e-02,1.6313e-01,3.4518e-02,2.9333e-01,2.7339e-01,3.125e-01,2.7778e-01,6.3057e-01,2.e-14,3.1143e-02,1.9824e-02,7.4301e-02,1.43e-02,1.8405e-01,5.58e-14,1.45e-14,3.46e-15,1.36e-14,1.6e-14,3.65e-15,1.1232e-01,5.6927e-02,2.0913e-01,1.2839e-01,7.7758e-02,6.0391e-02,1.55e-16,1.0728e-02,1.4741e-02,1.1801e-02,4.2257e-03,9.5423e-03])
for x in np.unique(X):
y = Y[X==x][0]
sns.kdeplot(Coc[X==x],label=f'X={x} Y={y}')
legend_labels = ['New Orleans','Cartagena','Vienna','Pretoria','Beijing','Brisbane']
plt.legend(legend_labels)
plt.show()
对的所有Coc值进行排序：
xy 
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。