Mr.Onion的部落格

2維變數中

在已知有限資料中，我們期許這些資料跟變數之間是連續的變化，我們可以利用函式griddata

輸入有限資料，藉由插分的方式，求出有限資料周為值，且運用pcolar, surf3D，建構出完整資料於區域內的分布。

以下例子是針對一片晶圓進行25點薄膜量測(左圖)，藉由griddata處理後，在藉由pcolar呈現。

####Code####

import numpy as np
import math
import matplotlib.pyplot as plt
from scipy.interpolate import griddata

R=[0 ,33.3333,33.3333,33.3333,33.3333,
   66.6667,66.6667,66.6667,66.6667,66.6667,66.6667,66.6667,66.6667,
  100,100,100,100,100,100,100,100,100,100,100,100]
phi=[0,0,90,180,270,
     0,45,90,135,180,225,270,315,
     0,30,60,90,120,150,180,210,240,270,300,330]
tk=[177,172.49,172.68,173.4,171.12,
    170.03,168.8,169.86,171.14,169.4,168.43,169.67,170.46,
   170.01,166.21,167.35,168.66,168.23,170.53,168.99,171.06,175.79,170.84,171.25,174.4]

x=[]
y=[]
z=[]
for ii in range(0,len(R)):
    x.append(R[ii]*np.cos(phi[ii]/57.3))
    y.append(R[ii]*np.sin(phi[ii]/57.3))
    z.append(tk[ii])

x_grid,y_grid=np.meshgrid(np.linspace(-100,100,100),np.linspace(-100,100,100))

Z=griddata((x,y),z,(x_grid,y_grid),method='cubic')
Zm=np.ma.masked_where(np.isnan(Z),Z)
print('x',x)
print('y',y)
print('z',z)
# print('x_grid',x_grid)
# print('y_grid',y_grid)
# print('x_grid',x_grid)
# print('y_grid',y_grid)
# print('Z',Z)

fig= plt.figure()
c=plt.pcolor(np.linspace(-100,100,100),np.linspace(-100,100,100),Zm)
plt.title('Thicnkness distribution')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.colorbar(c)
fig.savefig('test_scatter.png')
plt.show()

這邊要注意的是使用griddata前要先import

from scipy.interpolate import griddata

因為資料量測是由晶圓(圓形)求得，所以在使用griddate時會產些一些nan值，在pcolar是時無法處理nan值

需使用np.ma.masked_where(np.isnan(Z),Z) 處理資料(將nan 轉換為--)

才能將資料由pcolar 輸出。