Nuances de couleurs des points d'une courbe matplotlib

Bonjour,
Je voudrais afficher la projection d'une courbe 3D dans un plan, en figurant la troisième dimension par des nuances de couleur. Autrement dit chaque point est susceptible d'avoir une couleur différente. La courbe peut comporter un très grand nombre de points, plus de 100000 par exemple. Est-ce qu'il existe une solution simple et rapide, ou juste rapide ?
Merci à tous pour votre aide.

Avec numpy et matplotlib :

Code:

---

1 2 3 4 5 6 7 8 9 10

import numpy as np import matplotlib.pyplot as plt   xvec = np.linspace(-5.,5.,100) x, y = np.meshgrid(xvec, xvec) z = np.cos(x ** 2 + y ** 2) / (x ** 2 + y ** 2 + .5)   plt.contourf(x, y, z, 100) plt.colorbar() plt.show()

---

Merci he2lo pour votre réponse, et désolé qu'elle soit si tardive ; je ne l'avais pas remarquée.

Ce que fait votre code, c'est représenter la troisième dimension d'une surface par une couleur. Moi ce que j'aimerais, c'est colorer une ligne, dans un espace 3d. Par exemple la courbe paramétrée x= cost ; y=sint ; z=cos(5t). Je voudrais la représenter dans le plan (x,y), mais avec une couleur qui dépend de z. Je pourrais bien sûr passer par le code joint, mais c'est très long (même avec 500 points, et ma courbe en a 500000. C'est le résultat d'une simulation numérique), et très moche. Il doit y avoir beaucoup mieux.

Code:

---

1 2 3 4 5 6 7

import numpy as np import matplotlib.pyplot as plt   for t in np.arange(0,6.28,0.01): z=np.cos(5*t) bleu=z**2 plot([np.cos(t)],[np.sin(t)],'.',color=(0,0,bleu))

---

Citation:

---

Je voudrais afficher la projection d'une courbe 3D dans un plan, en figurant la troisième dimension par des nuances de couleur.

---

Autant pour moi, j'avais pas bien fait attention.

Pour ~ 600 000 points, une minute de calcul pour moi :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14

import numpy as np import matplotlib.pyplot as plt   x = np.empty((int(2 * np.pi / .1e-4)+1,)) y = np.empty((int(2 * np.pi / .1e-4)+1,)) z = np.empty((int(2 * np.pi / .1e-4)+1, 3)) i = 0 for t in np.arange(0, 2 * np.pi, .1e-4): x[i] = np.cos(t) * np.sqrt(4 * np.sin(2 * t)) y[i] = np.sin(t) * np.sqrt(4 * np.sin(2 * t)) z[i] = [np.cos(t) % 1, .0, .0] i += 1 plt.scatter(x, y, marker='.', color=z) plt.show()

---

Merci He2lo !

la fonction scatter est le genre de truc que je cherchais, et le temps de calcul reste raisonnable. Problème résolu donc.

version vectorisée (plus rapide):

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14

import numpy as np import matplotlib.pyplot as plt   x = np.empty((int(2 * np.pi / .1e-4)+1,)) y = np.empty((int(2 * np.pi / .1e-4)+1,)) z = np.zeros((int(2 * np.pi / .1e-4)+1, 3)) t = np.arange(0, 2 * np.pi, .1e-4)   x = np.cos(t) * np.sqrt(4 * np.sin(2 * t)) y = np.sin(t) * np.sqrt(4 * np.sin(2 * t)) z[: ,0] = np.cos(t) % 1   plt.scatter(x, y, marker='.', color=z) plt.show()

---