我有一個二維數組，它表示極坐標系中位置的函數值。例如：import numpy as npradius = np.linspace(0, 1, 50)angle = np.linspace(0, 2*np.pi, radius.size)r_grid, a_grid = np.meshgrid(radius, angle)data = np.sqrt((r_grid/radius.max())**2 + (a_grid/angle.max())**2)這里排列在對應于極坐標的矩形網格中。我想重新排列數組中的數據，以便軸表示相應的笛卡爾坐標系。新舊布局可以按如下方式可視化：dataimport matplotlib.pyplot as pltfig, (ax1, ax2) = plt.subplots(ncols=2, figsize=plt.figaspect(0.5))ax1.set(title='Polar coordinates', xlabel='Radius', ylabel='Angle')ax1.pcolormesh(r_grid, a_grid, data)ax2.set(title='Cartesian coordinates', xlabel='X', ylabel='Y')x_grid = r_grid * np.cos(a_grid)y_grid = r_grid * np.sin(a_grid)ax2.pcolormesh(x_grid, y_grid, data)這里明確給出了坐標，并相應地調整了繪圖。我希望在數據數組本身中重新排列數據。它應該包含所有值，可以選擇用零填充以適合形狀（類似于scipy.ndimage.rotate（...，reshape=True））。如果我手動遍歷極坐標數組以計算笛卡爾坐標，則結果包含理想情況下也應填充的空區域：new = np.zeros_like(data)visits = np.zeros_like(new)for r, a, d in np.nditer((r_grid, a_grid, data)): i = 0.5 * (1 + r * np.sin(a)) * new.shape[0] j = 0.5 * (1 + r * np.cos(a)) * new.shape[1] i = min(int(i), new.shape[0] - 1) j = min(int(j), new.shape[1] - 1) new[i, j] += d visits[i, j] += 1new /= np.maximum(visits, 1)ax2.imshow(new, origin='lower')有沒有辦法在實現轉換的同時避免結果數據數組中的空白區域？
3 回答
胡說叔叔
TA貢獻1804條經驗 獲得超8個贊
tl;dr：不，不是沒有改變你的問題的一些條件。
你所看到的人工制品是轉變的一個屬性。這并不是由于所有半徑的角度具有固定的分辨率。因此，這不是由于轉換的錯誤或不良實現。笛卡爾格網只是意味著這些區域具有更高的特殊分辨率，因為極地圖中存在已解析的點。
處理這個問題的唯一“干凈”方法（我現在能想到的）是在極坐標中具有可調節的分辨率，以考慮1 / r縮放。（如果輸入數據允許）
一種有點作弊的可視化方式是沒有間隙，將它們隨機分布在間隙上。這里的論點是，你沒有決心決定他們從哪個箱子開始。因此，您可以隨機將它們放入一個可能是可能的起源中，而不是將它們全部扔在同一個中（就像您現在所做的那樣）。但是，我想勸阻這種詭計。它只是給你一個更漂亮的情節。請注意，這在某種程度上等同于問題中右上角繪圖的行為。
溫溫醬
TA貢獻1752條經驗 獲得超4個贊
這并沒有真正給出預期的結果，但也許會幫助你在一些需要的糾正后實現解決方案......
import numpy as np
radius = np.linspace(0, 1, 50)
angle = np.linspace(0, 2*np.pi, radius.size)
r_grid, a_grid = np.meshgrid(radius, angle)
data = np.sqrt((r_grid/radius.max())**2
+ (a_grid/angle.max())**2)
def polar_to_cartesian(data):
new = np.zeros_like(data) * np.nan
x = np.linspace(-1, 1, new.shape[1])
y = np.linspace(-1, 1, new.shape[0])
for i in range(new.shape[0]):
for j in range(new.shape[1]):
x0, y0 = x[j], y[i]
r, a = np.sqrt(x0**2 + y0**2), np.arctan2(y0, x0)
data_i = np.argmin(np.abs(a_grid[:, 0] - a))
data_j = np.argmin(np.abs(r_grid[0, :] - r))
val = data[data_i, data_j]
if r <= 1:
new[i, j] = val
return new
new = polar_to_cartesian(data)
fig, ax = plt.subplots()
ax.imshow(new, origin='lower')
慕斯王
TA貢獻1864條經驗 獲得超2個贊
您可以遍歷笛卡爾數組，將每個網格點轉換為極坐標，并通過從極坐標數據中插值來近似函數值。不過，您可能仍希望將角落區域留空，因為缺少足夠接近的數據。
我不認為有更好的方法，除非你當然可以訪問原始功能。
添加回答
舉報
0/150
提交
取消