Обновление: , поскольку вы теперь обновили свой вопрос, чтобы прояснить, что вам нужно, позвольте мне продемонстрировать три различных способа построения таких данных, которые имеют много плюсов и минусов.
Общая суть ( по крайней мере для меня !) Заключается в том, что matplotlib - это плохо в 3D, особенно когда речь идет о создании публикуемых фигур () Опять же, мое личное мнение, ваш пробег может отличаться. )
Что я сделал: Я использовал исходные данные за вторым опубликованным вами изображением. Во всех случаях я использовал zorder и добавил данные многоугольника (в 2D: fill_between(), в 3D: PolyCollection), чтобы усилить «3D-эффект», то есть включить «черчение друг перед другом». Код ниже показывает:
plot_2D_a() использует цвет для указания угла, следовательно, сохраняя исходную ось Y; хотя технически это теперь можно использовать только для считывания переднего линейного графика, оно все же дает читателю «чувство» шкалы y.
plot_2D_b() удаляет ненужные шипы / отметки и добавляет угол в виде текстовых меток; это ближе всего подходит ко второму опубликованному вами изображению
plot_3D() использует mplot3d для построения "трехмерного" графика; хотя теперь его можно поворачивать для анализа данных, он ломается (по крайней мере, для меня) при попытке масштабирования, получая обрезанные данные и / или скрытые оси.
В конце концов, есть множество способов достичь участка водопада в matplotlib, и вы должны решить сами, что вам нужно. Лично я бы, вероятно, большую часть времени использовал plot_2D_a(), поскольку он позволяет легко изменять масштаб в более или менее"всех трех измерениях", сохраняя при этом правильные оси (+ цветная полоса), которые позволяют читателю получить всю необходимую информацию после публикации где-нибудь в виде статического изображения .
Код:
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib.collections import PolyCollection
import numpy as np
def offset(myFig,myAx,n=1,yOff=60):
dx, dy = 0., yOff/myFig.dpi
return myAx.transData + mpl.transforms.ScaledTranslation(dx,n*dy,myFig.dpi_scale_trans)
## taken from
## http://www.gnuplotting.org/data/head_related_impulse_responses.txt
df=pd.read_csv('head_related_impulse_responses.txt',delimiter="\t",skiprows=range(2),header=None)
df=df.transpose()
def plot_2D_a():
""" a 2D plot which uses color to indicate the angle"""
fig,ax=plt.subplots(figsize=(5,6))
sampling=2
thetas=range(0,360)[::sampling]
cmap = mpl.cm.get_cmap('viridis')
norm = mpl.colors.Normalize(vmin=0,vmax=360)
for idx,i in enumerate(thetas):
z_ind=360-idx ## to ensure each plot is "behind" the previous plot
trans=offset(fig,ax,idx,yOff=sampling)
xs=df.loc[0]
ys=df.loc[i+1]
## note that I am using both .plot() and .fill_between(.. edgecolor="None" ..)
# in order to circumvent showing the "edges" of the fill_between
ax.plot(xs,ys,color=cmap(norm(i)),linewidth=1, transform=trans,zorder=z_ind)
## try alpha=0.05 below for some "light shading"
ax.fill_between(xs,ys,-0.5,facecolor="w",alpha=1, edgecolor="None",transform=trans,zorder=z_ind)
cbax = fig.add_axes([0.9, 0.15, 0.02, 0.7]) # x-position, y-position, x-width, y-height
cb1 = mpl.colorbar.ColorbarBase(cbax, cmap=cmap, norm=norm, orientation='vertical')
cb1.set_label('Angle')
## use some sensible viewing limits
ax.set_xlim(-0.2,2.2)
ax.set_ylim(-0.5,5)
ax.set_xlabel('time [ms]')
def plot_2D_b():
""" a 2D plot which removes the y-axis and replaces it with text labels to indicate angles """
fig,ax=plt.subplots(figsize=(5,6))
sampling=2
thetas=range(0,360)[::sampling]
for idx,i in enumerate(thetas):
z_ind=360-idx ## to ensure each plot is "behind" the previous plot
trans=offset(fig,ax,idx,yOff=sampling)
xs=df.loc[0]
ys=df.loc[i+1]
## note that I am using both .plot() and .fill_between(.. edgecolor="None" ..)
# in order to circumvent showing the "edges" of the fill_between
ax.plot(xs,ys,color="k",linewidth=0.5, transform=trans,zorder=z_ind)
ax.fill_between(xs,ys,-0.5,facecolor="w", edgecolor="None",transform=trans,zorder=z_ind)
## for every 10th line plot, add a text denoting the angle.
# There is probably a better way to do this.
if idx%10==0:
textTrans=mpl.transforms.blended_transform_factory(ax.transAxes, trans)
ax.text(-0.05,0,u'{0}º'.format(i),ha="center",va="center",transform=textTrans,clip_on=False)
## use some sensible viewing limits
ax.set_xlim(df.loc[0].min(),df.loc[0].max())
ax.set_ylim(-0.5,5)
## turn off the spines
for side in ["top","right","left"]:
ax.spines[side].set_visible(False)
## and turn off the y axis
ax.set_yticks([])
ax.set_xlabel('time [ms]')
#--------------------------------------------------------------------------------
def plot_3D():
""" a 3D plot of the data, with differently scaled axes"""
fig=plt.figure(figsize=(5,6))
ax= fig.gca(projection='3d')
"""
adjust the axes3d scaling, taken from https://stackoverflow.com/a/30419243/565489
"""
# OUR ONE LINER ADDED HERE: to scale the x, y, z axes
ax.get_proj = lambda: np.dot(Axes3D.get_proj(ax), np.diag([1, 2, 1, 1]))
sampling=2
thetas=range(0,360)[::sampling]
verts = []
count = len(thetas)
for idx,i in enumerate(thetas):
z_ind=360-idx
xs=df.loc[0].values
ys=df.loc[i+1].values
## To have the polygons stretch to the bottom,
# you either have to change the outermost ydata here,
# or append one "x" pixel on each side and then run this.
ys[0] = -0.5
ys[-1]= -0.5
verts.append(list(zip(xs, ys)))
zs=thetas
poly = PolyCollection(verts, facecolors = "w", edgecolors="k",linewidth=0.5 )
ax.add_collection3d(poly, zs=zs, zdir='y')
ax.set_ylim(0,360)
ax.set_xlim(df.loc[0].min(),df.loc[0].max())
ax.set_zlim(-0.5,1)
ax.set_xlabel('time [ms]')
# plot_2D_a()
# plot_2D_b()
plot_3D()
plt.show()