之前一直想尝试着用Matplotlib绘制计算结果中的二维密度分布图，这样即省去了许多数据处理的麻烦，也方便直接在Linux系统中观察计算的结果。但对Numpy和Maltplotlib的熟练程度还不够，对于计算程序产生的非矩阵式的数据结构不知道该怎么处理。今天花了一早上仔细研究了一下，终于将这块硬骨头啃下来了。
做colormap图的关键在于矩阵的创建，作为坐标的x与y在形状上为呈转置关系的两个矩阵（即x的行数与y的列数相等，反之亦然），在内容上则应为x以行的形式重复，y以列的形式重复。想要产生这样的两个矩阵，可以通过Numpy中的函数np.meshgrid(x,y)来实现。用于表示值变化的z则为一个二维数组，即对于每一对x，y都应存在一个值z[x][y]。在一般的做法中，z值可以通过以x，y为自变量的函数产生。
我这里遇到的问题是已有的数据是三个一维数组。相当与将上述的x，y，z矩阵一一对应地平铺开来。这样的数据在Origin中作图十分方便，但在Matplotlib中就得预先处理一下。这个过程实则是将平铺开的数组再压缩回去。
首先要用np.unique()函数对x和y的数组进行压缩，得到无重复数值的xn与yn，再使用np.meshgrid()函数将xn与yn编织成上文所述的矩阵。对z值的处理需要谨慎一些，需要依次寻找每一个x与y共同对应地唯一的z值。最初的x，y，z是三个等长度的数组，共同的索引编号是它们确保一一对应的锁链。这里可以借助np.argwhere()函数找出x与y数组中某个值的索引，由于x，y是具有重复值的数组，这个索引将是两个包含许多位置的数组。所以我们还需要对两个索引数组用np.intersect1d()函数求并集得到唯一的z数组中的索引数。具体的操作应为：
xn = np.unique(x)
yn = np.unique(y)
Xm,Ym = np.meshgrid(xn,yn)
Zm = []
for i in yn:
zm = []
for j in xn:
zm_index = np.intersect1d(np.argwhere(y == i),np.argwhere( x == j))
zm.append(float(z[zm_index])
Zm.append(zm)
注意这里获取索引数时应当在原始数组中查找，循环遍历时可以使用xn，yn节约成本。另外，由于Xm对应的是行信息，在遍历循环中应该放在内层。
接下来就是作图了，数据处理好之后作图基本也就一行命令的事了。这里尝试了一些格式调整，列举如下：
-
plt.pcolormesh()与plt.contourf()均可用来作二维色彩图，但同样的条件下pcolormesh的效果不如contourf的平滑，所以更倾向与使用contourf - 分格密度通过
MaxNLocator(nbins=100).tick_values(min,max)设置，nbins对应分格密度，tick_values为上下限 - 色彩模式通过
plt.cm.get_cmap()设置，这里选用的'jet'类型与Origin中的很类似。更多的色彩模式可以查看Matplotlib网站 - plt.contourf(Xm,Ym,Zm,levels=,cmap=)为contourf的基本用法，对分格密度和色彩模式进行了设置
-
plt.colorbar()用来生成colorbar，colorbar的名称，刻度，字体大小可以分别通过.set_label(),.set_ticks(),.ax.tick_params()进行设置
这次在脚本中也加入了argv变量的设置，实现了直接读入文件名进行处理。脚本的具体内容如下：
# Draw a two-dimensional density map from densxz.dat file
# Author: lewisbase
# Date: 2019.05.16
import sys
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import BoundaryNorm
from matplotlib.ticker import MaxNLocator
####################################################################################################
if len(sys.argv) < 2:
print('No Action specified.')
sys.exit()
elif len(sys.argv) == 2:
if sys.argv[1].startswith('--'):
option = sys.argv[1][2:]
if option == 'version':
print('''
Densmap version 1.0.0
Author: lewisbase
Date: 2019.05.16''')
sys.exit()
elif option == 'help':
print('''
This script is used to draw a two-domensional density map from densxz.dat.
Options include:
--version: Prints the version information
--help: Prints the help information
Usage:
python Densmap.py filename outputname bar
bar is an alternative parameter, input it will generate the colorbar''')
sys.exit()
else:
print('Unknow option!')
sys.exit()
else:
print('We need a --option or two filenames at least!')
sys.exit()
elif len(sys.argv) == 4:
script,filename,outputname,bar = sys.argv
else:
print('Too many parameters!')
sys.exit()
######################################################################################################
with open(filename,'r') as f:
text = f.readline().split()
if len(text) < 3:
raise Exception('The input densxz.dat file is corrupted!')
elif len(text) >= 3:
xo,zo = np.loadtxt(filename,usecols=(0,1),unpack=True)
do = np.zeros(len(xo))
for column in range(2,len(text)):
dc = np.loadtxt(filename,usecols=(column))
do += dc
xo /= 10
zo /= 10
do *= 1661.129
xn = np.unique(xo)
zn = np.unique(zo)
xm,zm = np.meshgrid(xn,zn)
Dm = []
for j in zn:
dm = []
for i in xn:
do_index=np.intersect1d(np.argwhere(xo == i),np.argwhere(zo == j))
dm.append(float(do[do_index]))
Dm.append(dm)
#######################################################################################################
plt.figure(figsize=(12,12),dpi=100,frameon=True)
# set the grids density
levels = MaxNLocator(nbins=100).tick_values(np.min(Dm),np.max(Dm))
cm = plt.cm.get_cmap('jet')
#nm = BoundaryNorm(levels,ncolors=cm.N,clip=True)
#plt.pcolormesh(xm,zm,Dm,cmap=cm,norm=nm)
# contourf method is much smoother than pcolormesh!
plt.contourf(xm,zm,Dm,levels=levels,cmap=cm)
if bar == 'bar':
cbar = plt.colorbar()
cbar.set_label('Unit: mol/L',rotation=-90,va='bottom',fontsize=40)
cbar.set_ticks([0,2,4,6,8,10])
# set the font size of colorbar
cbar.ax.tick_params(labelsize=32)
plt.xlabel('X (nm)',fontsize=40)
plt.ylabel('Z (nm)',fontsize=40)
plt.xticks(fontsize=32)
plt.yticks(fontsize=32)
plt.tight_layout()
plt.savefig(outputname,dpi=300)
plt.show()
最终得到的图像结果如下：
参考资料
用Python作科学计算
Stackoverflow
Matplotlib-contours
Matplotlib-pcolormesh
利用matplotlib库中pcolormesh作彩图
