기본 콘텐츠로 건너뛰기

[matplotlib] 등고선(Contour)

[matplotlib] 등고선(Contour)

등고선(contour)

등고선(등치선도)는 2차원 좌표계에서 같은 높이를 가지는 부분을 선으로 이어서 그린 것을 나타냅니다. 그러므로 좌표상의 높이 (또는 z 값)의 분포를 직관적으로 나타낼 수 있습니다.

격자형 데이터

등고선 작성시 x, y 축의 일정한 간격을 위해 np.meshgrid() 함수를 적용하여 격자형 데이터를 준비해야 합니다.

import numpy as np 
import matplotlib.pyplot as plt 
def decorate_plot(xlab, ylab, title=None, size=(4,3)):
    plt.figure(figsize=size)
    plt.xlabel(xlab)
    plt.ylabel(ylab)
    plt.title(title) 
size=100
x = np.linspace(-2, 2, size)
y = np.linspace(-1.5, 1.5, size)
X, Y=np.meshgrid(x, y)  # 1차원인 객체를 2차원의 동일한 shape를 가진 객체로 변환
Z=X * np.exp(-X**2-Y**2)
  • contour(x, y, 높이, levels): levels는 등고선의 수를 의미합니다.
  • fcontour(x, y, 높이, levels): 색상으로 채워지는 등고선을 작성
decorate_plot("X", "Y")
plt.contour(X, Y, Z, levels=10, linewidths=1, linestyles="--")
plt.colorbar(shrink=0.5)
plt.show()
decorate_plot("X", "Y")
plt.contourf(X, Y, Z, levels=100, cmap="jet")
plt.colorbar(shrink=0.5)
plt.show()

np.meshgrid()

x=np.linspace(0, 5, 5)
y=np.linspace(5, 10, 5)
decorate_plot("x","y")
plt.scatter(x, y, s=50)
plt.show()
x.shape, y.shape
((5,), (5,))
X, Y=np.meshgrid(x, y)
decorate_plot("X","Y")
plt.scatter(X, Y, s=50)
plt.show()
X.shape, Y.shape
((5, 5), (5, 5))
x, X
(array([0.  , 1.25, 2.5 , 3.75, 5.  ]),
 array([[0.  , 1.25, 2.5 , 3.75, 5.  ],
        [0.  , 1.25, 2.5 , 3.75, 5.  ],
        [0.  , 1.25, 2.5 , 3.75, 5.  ],
        [0.  , 1.25, 2.5 , 3.75, 5.  ],
        [0.  , 1.25, 2.5 , 3.75, 5.  ]]))
y, Y
(array([ 5.  ,  6.25,  7.5 ,  8.75, 10.  ]),
 array([[ 5.  ,  5.  ,  5.  ,  5.  ,  5.  ],
        [ 6.25,  6.25,  6.25,  6.25,  6.25],
        [ 7.5 ,  7.5 ,  7.5 ,  7.5 ,  7.5 ],
        [ 8.75,  8.75,  8.75,  8.75,  8.75],
        [10.  , 10.  , 10.  , 10.  , 10.  ]]))

댓글

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. (1)A=PBP1P1AP=B 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. (식 2)BλI=P1APλP1P=P1(APλP)=P1(AλI)P 식 2의 행렬식은 식 3과 같이 정리됩니다. det(BλI)=det(P1(APλP))=det(P1)det((AλI))det(P)=det(P1)det(P)det((AλI))=det(AλI)det(P1)det(P)=det(P1P)=det(I) 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같...

[sympy] Sympy객체의 표현을 위한 함수들

Sympy객체의 표현을 위한 함수들 General simplify(x): 식 x(sympy 객체)를 간단히 정리 합니다. import numpy as np from sympy import * x=symbols("x") a=sin(x)**2+cos(x)**2 a sin2(x)+cos2(x) simplify(a) 1 simplify(b) x3+x2x1x2+2x+1 simplify(b) x - 1 c=gamma(x)/gamma(x-2) c Γ(x)Γ(x2) simplify(c) (x2)(x1) 위의 예들 중 객체 c의 감마함수(gamma(x))는 확률분포 등 여러 부분에서 사용되는 표현식으로 다음과 같이 정의 됩니다. 감마함수는 음이 아닌 정수를 제외한 모든 수에서 정의됩니다. 식 1과 같이 자연수에서 감마함수는 factorial(!), 부동소수(양의 실수)인 경우 적분을 적용하여 계산합니다. (식 1)Γ(n)={(n1)!n:자연수0xn1exdxn:부동소수 x=symbols('x') gamma(x).subs(x,4) 6 factorial 계산은 math.factorial() 함수를 사용할 수 있습니다. import math math.factorial(3) 6 a=gamma(x).subs(x,4.5) a.evalf(3) 11.6 simpilfy() 함수의 알고리즘은 식에서 공통사항을 찾아 정리하...

sympy.solvers로 방정식해 구하기

sympy.solvers로 방정식해 구하기 대수 방정식을 해를 계산하기 위해 다음 함수를 사용합니다. sympy.solvers.solve(f, *symbols, **flags) f=0, 즉 동차방정식에 대해 지정한 변수의 해를 계산 f : 식 또는 함수 symbols: 식의 해를 계산하기 위한 변수, 변수가 하나인 경우는 생략가능(자동으로 인식) flags: 계산 또는 결과의 방식을 지정하기 위한 인수들 dict=True: {x:3, y:1}같이 사전형식, 기본값 = False set=True :{(x,3),(y,1)}같이 집합형식, 기본값 = False ratioal=True : 실수를 유리수로 반환, 기본값 = False positive=True: 해들 중에 양수만을 반환, 기본값 = False 예 x2=1의 해를 결정합니다. solve() 함수에 적용하기 위해서는 다음과 같이 식의 한쪽이 0이 되는 형태인 동차식으로 구성되어야 합니다. x21=0 import numpy as np from sympy import * x = symbols('x') solve(x**2-1, x) [-1, 1] 위 식은 계산 과정은 다음과 같습니다. x21=0(x+1)(x1)=0x=1or1x4=1의 해를 결정합니다. solve() 함수의 인수 set=True를 지정하였으므로 결과는 집합(set)형으로 반환됩니다. eq=x**4-1 solve(eq, set=True) ([x], {(-1,), (-I,), (1,), (I,)}) 위의 경우 I는 복소수입니다.즉 위 결과의 과정은 다음과 같습니다. x41=(x2+1)(x+1)(x1)=0x=±1,±1=±i,±1 실수...