1. 引言
在这个数据如山的时代，你是不是也曾在茫茫数海中迷失方向，渴望找到那片隐藏的“数据绿洲”？别怕，今天咱们就来聊聊Matplotlib这位绘图界的魔术师，特别是它那令人叹为观止的等高线图技能。想象一下，原本枯燥无味的数字矩阵，在Matplotlib的魔法笔下，瞬间化身为连绵起伏的山峦、蜿蜒曲折的河流——哦不，是数据的高低起伏，一目了然。等高线图：也称水平图，是一种再二维平面上显示3D图像的方法，无需攀登珠峰，也不用潜水马里亚纳，只需轻轻一点，你就能在屏幕前，悠然自得地“游历”数据的壮丽景观。准备好了吗？让我们一起，跟随Matplotlib的脚步，开启这场别开生面的数据等高线之旅吧！
2. 导包
# 导包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 如果浏览器不显示图片，就需要加上这句话
%matplotlib inline
# 让图片中可以显示中文
plt.rcParams['font.sans-serif'] = "SimHei"
# 让图片中可以显示负号
plt.rcParams["axes.unicode_minus"] = False
# 支持svg矢量图
%config Inlinebackend.figure_format = "svg"
3. 绘制等高线图
# 网格数据知识
a = np.array([1, 2, 3])
b = np.array([4, 5])
A, B = np.meshgrid(a, b)
display(A, B)
array([[1, 2, 3],
[1, 2, 3]])
array([[4, 4, 4],
[5, 5, 5]])
plt.figure(figsize=(5, 4))
x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
# 将x和y变成网格数据
X, Y = np.meshgrid(x, y)
# Z
Z = np.sqrt(X**2 + Y**2)
# 画等高线
cb = plt.contourf(X, Y, Z)
# 颜色条
plt.colorbar(cb)
<matplotlib.colorbar.Colorbar at 0x25052a38950>
