如何将一组数据转换为矩阵和向量

Question

假设我在.txt文件中有这么大的数据集，它具有以下结构：第一列和第二列表示离散的二维域，第三列表示在离散X轴和Y轴的每个点上计算的值。下面给出的例子

x  y  z
-1 -1 100
-1 0 50
-1 1 100
0 -1 50
0 0 0
0 1 50
1 -1 100
0 -1 50
1 1 100

这看起来很愚蠢，但我一直在努力将这些数据变成向量和矩阵，如X = [-1,0,1]，Y = [-1,0,1]和Z = [[100,50,100] ]，[50,0,50]，[100,50,100]]。我使用numpy经历了许多技术和方法，但是没有成功！

作为奖励：将这些数据转换为矢量和矩阵，就像我描述的那样，是使用matplotlib在3dscatter ou 3dcountour类型中绘制它的好方法吗？

Answer 1

要绘制散点图，您无需对数据执行任何操作。只需按原样绘制列。

要获得您想要的值，您可以获取x和y列的唯一元素，并根据这些维度重新整形z列。

u="""x  y  z
-1 -1 100
-1 0 50
-1 1 100
0 -1 50
0 0 0
0 1 50
1 -1 100
1 0 50
1 1 100"""

import io
import numpy as np

data = np.loadtxt(io.StringIO(u), skiprows=1)

x = np.unique(data[:,0])
y = np.unique(data[:,1])
Z = data[:,2].reshape(len(x), len(y))

print(Z)

版画

[[100.  50. 100.]
 [ 50.   0.  50.]
 [100.  50. 100.]]

现在，不同的y坐标沿着阵列的第二轴，这对于使用matplotlib进行绘图是相当不寻常的。

因此，要获得用于绘制轮廓的网格化值，您需要对所有三列进行相同的重塑并转置（.T）它们。

import matplotlib.pyplot as plt

X = data[:,0].reshape(len(x), len(y)).T
Y = data[:,1].reshape(len(x), len(y)).T
Z = data[:,2].reshape(len(x), len(y)).T

plt.contour(X,Y,Z)
plt.show()