從Python中的對象獲取數據數組

Question

我使用library，它產生3個給定對象k的圖。

我需要計算產生這些圖的數據點(x,y,z)，但問題是這些圖來自於k的函數。

我正在使用的庫是pyKriging和this是他們的github存儲庫。

其示例code的簡化版本是：

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() 

的完整代碼，註釋和輸出可以發現here。

總之，我試圖獲得產生這些圖的numpy數組，因此我可以創建跟隨我的格式樣式的圖。

我對Python中的圖書館代碼不太瞭解，我非常感謝您的幫助！

Answer 1

沒有生成圖的單個數據數組。相反，許多用於繪圖的數組都是在克里格圖函數內部生成的。
將填充輪廓更改爲線輪廓當然不是樣式選項。因此需要使用原始繪圖功能中的代碼。

一個選項是子類kriging並實現自定義繪圖功能（我們稱之爲myplot）。在此功能中，可以使用contour而不是contourf。當然，也可以根據需要完全改變它。

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()