等高线图是在地理课中讲述山峰山谷时绘制的图形，在机器学习中也会被用在绘制梯度下降算法的图形中。
因为等高线的图有三个信息：x,y以及x,y所对应的高度值。
这个高度值的计算我们用一个函数来表述：
计算x,y坐标对应的高度值 def f(x, y): return (1-x/2+x**5+y**3) * np.exp(-x**2-y**2)
这个函数看起来挺复杂的，但我们这里只是为了能够获得一个高度值，因此其中函数代表什么意义不用关心，只要知道输入一个x,y，输出一个高度值就可以了。
要画出等高线，核心函数是plt.contourf()，但在这个函数中输入的参数是x,y对应的网格数据以及此网格对应的高度值，因此还需要调用np.meshgrid(x,y)把x,y值转换成网格数据才行，这样完整的代码如下：
画等高线的代码如下：
import numpy as np import pandas as pd import matplotlib.pyplot as plt # 计算x,y坐标对应的高度值 def f(x, y): return (1-x/2+x**5+y**3) * np.exp(-x**2-y**2) # 生成x,y的数据 n = 256 x = np.linspace(-3, 3, n) y = np.linspace(-3, 3, n) # 把x,y数据生成mesh网格状的数据，因为等高线的显示是在网格的基础上添加上高度值 X, Y = np.meshgrid(x, y) # 填充等高线 plt.contourf(X, Y, f(X, Y)) # 显示图表 plt.show()
上述代码显示的图形为：
这颜色有点太冷了，我们想显示热力图，那只要在plt.contourf()函数中添加属性cmap=plt.cm.hot就能显示热力图，其中cmap代表为color map，我们把color map映射成hot(热力图)，此处关键代码为：
# 填充等高线 plt.contourf(X, Y, f(X, Y), cmap=plt.cm.hot)
显示的图为：
是否显示得挺热的。：）
上面是用plt.contourf()填充了等高线，但还有一种方式是可以直接显示等高线，而不是填充的方式，例如：
C = plt.contour(X, Y, f(X, Y), 20)
这里20代表的是显示等高线的密集程度，数值越大，画的等高线数就越多。
这样显示的图形为：
当然，如果我们不调用前面的plt.contourf()函数，则就会直接显示等高线。
最后我们想在等高线中添加上标注值：
plt.clabel(C, inline=True, fontsize=12)
显示的图为：
完整的代码为：
import numpy as np import pandas as pd import matplotlib.pyplot as plt # 计算x,y坐标对应的高度值 def f(x, y): return (1-x/2+x**5+y**3) * np.exp(-x**2-y**2) # 生成x,y的数据 n = 256 x = np.linspace(-3, 3, n) y = np.linspace(-3, 3, n) # 把x,y数据生成mesh网格状的数据，因为等高线的显示是在网格的基础上添加上高度值 X, Y = np.meshgrid(x, y) # 填充等高线 plt.contourf(X, Y, f(X, Y), 20, cmap=plt.cm.hot) # 添加等高线 C = plt.contour(X, Y, f(X, Y), 20) plt.clabel(C, inline=True, fontsize=12) # 显示图表 plt.show()
总结
以上就是本文关于用matplotlib画等高线图详解的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站：
Python的地形三维可视化Matplotlib和gdal使用实例
如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！
