使用Plot()在Python中绘制二维轮廓图的实例

在Python中，可以使用Matplotlib库的plot()函数绘制二维轮廓图。轮廓图由一系列等值线组成，表达了一个二维函数在不同坐标位置上取值的大小。以下是使用plot()绘制二维轮廓图的一个实例。

首先，我们需要导入必要的库：

import numpy as np
import matplotlib.pyplot as plt

接下来，我们定义一个二维函数，作为我们要绘制轮廓图的数据源。这里我们以二元高斯分布函数为例：

def gauss(x, y, xo, yo, sigma):
    return np.exp(-(x-xo)**2/(2*sigma**2) - (y-yo)**2/(2*sigma**2))

然后，我们创建一个二维网格，来表示坐标位置，并计算每个位置的函数值：

x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z = gauss(X, Y, 0, 0, 1)

接下来，我们可以使用plot()函数来绘制轮廓图。函数的主要参数有：

- X和Y：二维网格坐标数组。

- Z：对应坐标位置的函数值数组。

- levels：轮廓线的等值集合。

- cmap：颜色图。

- linewidths：轮廓线的宽度。

下面是一个例子，绘制一个二元高斯分布的轮廓图：

plt.figure()
plt.contour(X, Y, Z, levels=10, cmap='rainbow', linewidths=0.5)
plt.xlabel('x')
plt.ylabel('y')
plt.title('Contour Plot of Gaussian Distribution')
plt.colorbar()
plt.show()

以上代码中，我们指定了轮廓线的等值集合为10个，颜色图选择了彩虹色，轮廓线的宽度为0.5。最后使用plt.colorbar()函数添加一个颜色标尺。

运行以上代码，我们将得到一个二元高斯分布的轮廓图。图中的等值线表示对应位置上的函数值，不同颜色表示不同的函数值大小。

除了使用等值线绘制轮廓图外，Matplotlib还提供了使用填充色方法contourf()来绘制填充的轮廓图。使用方法与plot()类似，只需将plot()替换为contourf()即可。

总结来说，使用Matplotlib的plot()函数可以方便地绘制二维轮廓图。通过指定坐标位置和对应的函数值，可以得到一个直观的表示函数分布的图形。