从Python中的对象获取数据数组

Question

我使用library，它产生3个给定对象k的图。

我需要计算产生这些图的数据点(x,y,z)，但问题是这些图来自于k的函数。

我正在使用的库是pyKriging和this是他们的github存储库。

其示例code的简化版本是：

import pyKriging 
from pyKriging.krige import kriging 
from pyKriging.samplingplan import samplingplan 

sp = samplingplan(2) 
X = sp.optimallhc(20) 

testfun = pyKriging.testfunctions().branin 
y = testfun(X) 

k = kriging(X, y, testfunction=testfun, name='simple') 
k.train() 
k.plot() 

的完整代码，注释和输出可以发现here。

总之，我试图获得产生这些图的numpy数组，因此我可以创建跟随我的格式样式的图。

我对Python中的图书馆代码不太了解，我非常感谢您的帮助！

Answer 1

没有生成图的单个数据数组。相反，许多用于绘图的数组都是在克里格图函数内部生成的。
将填充轮廓更改为线轮廓当然不是样式选项。因此需要使用原始绘图功能中的代码。

一个选项是子类kriging并实现自定义绘图功能（我们称之为myplot）。在此功能中，可以使用contour而不是contourf。当然，也可以根据需要完全改变它。

import pyKriging 
from pyKriging.krige import kriging 
from pyKriging.samplingplan import samplingplan 
import numpy as np 
import matplotlib.pyplot as plt 

class MyKriging(kriging): 
    def __init__(self,*args,**kwargs): 
     kriging.__init__(self,*args,**kwargs) 
    def myplot(self,labels=False, show=True, **kwargs): 
     fig = plt.figure(figsize=(8,6)) 
     # Create a set of data to plot 
     plotgrid = 61 
     x = np.linspace(self.normRange[0][0], self.normRange[0][1], num=plotgrid) 
     y = np.linspace(self.normRange[1][0], self.normRange[1][1], num=plotgrid) 
     X, Y = np.meshgrid(x, y) 
     # Predict based on the optimized results 
     zs = np.array([self.predict([xi,yi]) for xi,yi in zip(np.ravel(X), np.ravel(Y))]) 
     Z = zs.reshape(X.shape) 
     #Calculate errors 
     zse = np.array([self.predict_var([xi,yi]) for xi,yi in zip(np.ravel(X), np.ravel(Y))]) 
     Ze = zse.reshape(X.shape) 

     spx = (self.X[:,0] * (self.normRange[0][1] - self.normRange[0][0])) + self.normRange[0][0] 
     spy = (self.X[:,1] * (self.normRange[1][1] - self.normRange[1][0])) + self.normRange[1][0] 

     contour_levels = kwargs.get("levels", 25) 
     ax = fig.add_subplot(222) 
     CS = plt.contour(X,Y,Ze, contour_levels) 
     plt.colorbar() 
     plt.plot(spx, spy,'or') 

     ax = fig.add_subplot(221) 
     if self.testfunction: 
      # Setup the truth function 
      zt = self.testfunction(np.array(zip(np.ravel(X), np.ravel(Y)))) 
      ZT = zt.reshape(X.shape) 
      CS = plt.contour(X,Y,ZT,contour_levels ,colors='k',zorder=2, alpha=0) 

     if self.testfunction: 
      contour_levels = CS.levels 
      delta = np.abs(contour_levels[0]-contour_levels[1]) 
      contour_levels = np.insert(contour_levels, 0, contour_levels[0]-delta) 
      contour_levels = np.append(contour_levels, contour_levels[-1]+delta) 

     CS = plt.contour(X,Y,Z,contour_levels,zorder=1) 
     plt.plot(spx, spy,'or', zorder=3) 
     plt.colorbar() 

     ax = fig.add_subplot(212, projection='3d') 
     ax.plot_surface(X, Y, Z, rstride=3, cstride=3, alpha=0.4) 
     if self.testfunction: 
      ax.plot_wireframe(X, Y, ZT, rstride=3, cstride=3) 
     if show: 
      plt.show() 



sp = samplingplan(2) 
X = sp.optimallhc(20) 

testfun = pyKriging.testfunctions().branin 
y = testfun(X) 

k = MyKriging(X, y, testfunction=testfun, name='simple') 
k.train() 
k.myplot()