plt.contourf() 给等值线设置自定义颜色

要给 `plt.contourf()` 函数绘制的等值线设置自定义颜色，可以使用 `colors` 参数。该参数接受一个颜色列表，列表中的每个元素代表一个颜色，等值线将按照列表中的顺序依次使用这些颜色。

下面是一个简单的例子，展示如何为等值线设置自定义颜色：

import matplotlib.pyplot as plt
import numpy as np

# 生成数据
x = np.linspace(-2, 2, 100)
y = np.linspace(-2, 2, 100)
X, Y = np.meshgrid(x, y)
Z = X**2 + Y**2

# 自定义颜色
colors = ['#FFFFFF', '#E5E5FF', '#CCCCFF', '#B2B2FF', '#9999FF', '#7F7FFF', '#6666FF', '#4C4CFF', '#3333FF', '#1919FF']

# 绘制等值线
plt.contourf(X, Y, Z, colors=colors)

# 显示图形
plt.show()

在上面的代码中，我们生成了一组数据，并使用 `plt.contourf()` 函数绘制了等值线。其中，`colors` 参数被设置为一个包含十个颜色值的列表，等值线将按照从白色到蓝色的顺序依次使用这些颜色。你可以根据需要自定义颜色列表，实现更加个性化的等值线绘制效果。

相关问题

plt.contourf() 使用RGB值给等值线设置颜色

`plt.contourf()`函数可以使用RGB值给等值线设置颜色，可以通过传入一个三维数组来实现。具体操作可以按照下面的步骤进行：

1. 创建一个三维数组，每个元素表示一个像素点的RGB值。

2. 通过`plt.contourf()`函数绘制等值线，其中`cmap`参数设置为`None`，表示不使用默认的颜色映射。

3. 通过`plt.imshow()`函数将三维数组作为图像显示。

示例代码如下：

import numpy as np
import matplotlib.pyplot as plt

# 创建一个三维数组，每个元素表示一个像素点的RGB值
img = np.zeros((100, 100, 3), dtype=np.uint8)
for i in range(100):
    for j in range(100):
        img[i, j, :] = [i, j, 255]

# 绘制等值线
x = np.linspace(-1, 1, 100)
y = np.linspace(-1, 1, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(X**2 + Y**2)
plt.contourf(X, Y, Z, cmap=None)

# 显示图像
plt.imshow(img)
plt.show()

这段代码首先创建了一个三维数组`img`，其中每个元素表示一个像素点的RGB值。在绘制等值线时，将`cmap`参数设置为`None`，表示不使用默认的颜色映射，然后通过`plt.imshow()`函数将三维数组作为图像显示。最终的效果是，等值线使用RGB值进行绘制，图像显示了一个颜色渐变的矩形。

理解掌握了等高线图函数.cintour（）和.contourf(),3D散点图函数.scatter()的熟练使用),绘制曲面图.plot_surface()函数的理解及熟练使用,3D投影曲面图的绘制，函数.plot_?surface()和.contour()的联合使用

理解并熟练运用等高线图、散点图和曲面图是数据分析可视化中的重要技能。以下是各自函数的简要说明：

1. `.contour()` 和 `.contourf()`: 这两个函数用于绘制二维数据的等值线和填充等值区域。`.contour()` 只画出轮廓线，`.contourf()` 则会填充每个等值区间。它们常用于显示数值数据的变化趋势。

2. `.scatter()`: 用于创建3D散点图，将每一对 (x, y, z) 数据作为点表示在空间中，可用于展示数据点的分布情况。

3. `.plot_surface()`: 这个函数用于绘制三维曲面图，通常基于两组输入数据（x, y）生成一个高度值为z的数据集，形成连续的曲面。

为了绘制3D投影曲面图，我们通常先使用`.plot_surface()`创建基础的曲面，然后可以用`.contour()`添加等高线来提供额外的解读。例如：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np

# 假设有三个数组 x, y, z 代表数据
x, y, z = ...  # 根据实际数据填充这里

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')  # 创建3D轴

# 绘制3D曲面
surf = ax.plot_surface(x, y, z, cmap='viridis', alpha=0.5)  # 颜色映射和透明度

# 添加等高线
cset = ax.contour(x, y, z, zdir='z', offset=np.min(z), cmap='RdGy', alpha=0.5)
ax.clabel(cset, fontsize=9, inline=1, fmt='%r')

# 完整化视图
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
ax.set_title('3D Projection Surface with Contours')

plt.show()

在这个例子中，我们首先创建了一个三维轴，然后绘制了曲面并设置了颜色。接着添加了垂直方向的等高线，最后设置了轴标签和标题。