当前位置: 首页 > news >正文

【2023】ORIGIN或MATLAB 颜色图,等高图,颜色条——需要拟合补全中间的颜色

前言

不是我疯了,就是世界疯了。我不知道究竟是哪一个疯了。瓶口和瓶盖尺寸不符。也许该怪瓶子,也许该怪盖子。但不管怎样,尺寸不符的事实不容动摇——《1Q84》

             \;\;\;\;\;\;

有十几二十个导出的曲线数据,其中第一列是频率点,大约1001个,第二列是某种数据,都在0~1之间。

如果用绘制曲线图的话,频率为自变量,某种数据做因变量;但是有时我需要的是把0~1之间的数据作为图上的颜色,用别的什么做因变量……


         \;\\\;\\\;

目录

    • 前言
    • Origin等高图
    • Matlab等高图

Origin等高图

matlab画的线有个问题,先把正确的方法介绍一下:

打开origin,建立项目,第一列是自变量,后面N列都会对应待绘图上的颜色,因变量就是列上的XX(自定义)

在这里插入图片描述
选中所有数据(不带空列),点击绘图上的等高线,然后选中Y值在列标签,选中列标签如下
在这里插入图片描述
在这里插入图片描述
然后双击颜色图隐藏线条,点击线,按下图操作:

在这里插入图片描述

在这里插入图片描述
接着就是修改标签、刻度了

         \;\\\;\\\;

Matlab等高图

文件数就是因变量数有十几二十个,但是自变量(频率点)有几百了,所以作图步骤:

  1. 读取文件夹内的.txt文件
  2. 按照文件名的数字进行排序
  3. 排序后进行读取文件内容
  4. 按照范围读取
  5. 之后存入二维数组后,还需要转置什么的吧(好久之前的了,忘了)反正就是当点为颜色,这样一个小矩阵生成的图肯定特别小,所以需要在两个点之间插入多个点,把图片撑大。中间的点依靠拟合的函数生成。
%{
   
date: 2023-7-18 周二

自变量为频率,因变量为某个结构参数,比如P:150,160,170,180,190
每个点的颜色就是透射系数,设置1-0为红黑,则越接近1颜色越红越亮,越接近0颜色越黑越暗

纵向的颜色条表示平移,颜色条越弯,平移越大;往左弯就是红移,往右弯就是蓝移!

由于不需要精确计算频点位置,所以不需要flag状态了,就从scan_begin到scan_end就行
%}
clear;         %清空工作区
clc;           %清空命令行窗口
format long;   %设置精度


%设置频率范围
scan_begin = 1.3;   %就从这开始
scan_end = 2.05;    %就在这结束;不能是2.05,那样的话频点6(1.99)就靠近边界了


%文件夹
folder='.\XXX-ramp\';
%显示文件夹下所有符合后缀名为.txt文件的完整信息
%提取符合后缀名为.txt的所有文件的文件名,转换为n行1列
%按前缀提取文件
NAMES={
   dir([folder,'h=*.txt']).name};       %q,可修改
%排序,使得10不在2前面
NAMES=sort_nat(NAMES);
%文件数,因为后面经常用,所以先算了
files_num = length(NAMES);


%读取其中的数字,组成数组'因变量'
raw_Y=zeros(1,files_num);
reg_num='\d+\.\d+';    %浮点数,利用正则表达式提取数字(特殊符号加backslash) ; 比如g1=8.5.txt,要提出后面的8.5
for i=1:files_num
    dateStr=regexp(NAMES{
   i}
http://www.dtcms.com/a/112033.html

相关文章:

  • 算法--最长上升子序列
  • 京东零售首次公开!6B参数时序大模型实现20000款商品自动补货预测
  • Java 搭建 MC 1.18.2 Forge 开发环境
  • 《探索边缘计算:重塑未来智能物联网的关键技术》
  • agent 入门
  • ARM-外部中断,ADC模数转换器
  • Vue3学习二
  • 【Node】一文掌握 Express 的详细用法(Express 备忘速查)
  • 【面试篇】Mysql
  • DHCP之中继 Relay-snooping及配置命令
  • Python_level1_字符串_11
  • 给项目中的用户头像,添加用户的历史头像记录功能
  • 深入理解SQL中的<>运算符:不等于的灵活运用
  • C++20的协程简介
  • 轨迹速度聚类 实战
  • 【C++代码整洁之道】第九章 设计模式和习惯用法
  • VSCode运行,各类操作缓慢,如何清理
  • anaconda3/conda依赖安装、环境配置、关联指定python版本
  • 性能测试之jmeter的基本使用
  • [C++面试] new、delete相关面试点
  • 从软件分层架构视角理解英语学习
  • 为什么有的深度学习训练,有训练集、验证集、测试集3个划分,有的只是划分训练集和测试集?
  • 【YOLO系列(V5-V12)通用数据集-X光包裹内违禁品检测数据集】
  • Java 大视界 -- Java 大数据在智能供应链库存优化与成本控制中的应用策略(172)
  • AI平台初步规划实现和想法
  • 20信号和槽_connect函数的用法(1)
  • 隐私投资的收益大于成本
  • 【更新至2024年】2000-2024年各省专利侵权案件结案数数据
  • 基于大模型预测不稳定性心绞痛的多维度研究与应用
  • 若依框架二次开发——RuoYi-AI 集成本地大模型