我有一个形状为(33,10)的numpy数组。当我绘制等高线图时,得到了这样一个丑陋的图片:
![enter image description here](https://istack.dev59.com/kqvFU.webp)
然而,contour()
似乎没有任何有关平滑或某种插值特性的参数。
我希望能在提供等高线图的工具中找到平滑功能。
在MPL中是否有直接的方法来实现这个功能?
我有一个形状为(33,10)的numpy数组。当我绘制等高线图时,得到了这样一个丑陋的图片:
然而,contour()
似乎没有任何有关平滑或某种插值特性的参数。
我希望能在提供等高线图的工具中找到平滑功能。
在MPL中是否有直接的方法来实现这个功能?
正如其他人已经指出的那样,您需要插值您的数据。
有许多不同的方法可以实现这一点,但作为起点,考虑使用scipy.ndimage.zoom
。
快速示例:
import numpy as np
import scipy.ndimage
import matplotlib.pyplot as plt
data = np.loadtxt('data.txt')
# Resample your data grid by a factor of 3 using cubic spline interpolation.
data = scipy.ndimage.zoom(data, 3)
plt.contour(data)
plt.show()
如果你的数据是稀疏的,Joe Kington 的回答非常好。
如果你的数据有噪音,你应该考虑进行过滤:
from numpy import loadtxt
from scipy.ndimage.filters import gaussian_filter
from matplotlib.pyplot import contour, show
sigma = 0.7 # this depends on how noisy your data is, play with it!
data = loadtxt('data.txt')
data = gaussian_filter(data, sigma)
contour(data)
show()
想要得到平滑的轮廓没有简单的方法。一个替代方案是尝试使用 imshow
。您可以在这里查看其他可能性。
import pylab as plt
import numpy as np
Z=np.loadtxt('data.txt')
plt.subplot(131)
plt.imshow(Z,interpolation='nearest')
plt.subplot(132)
plt.imshow(Z)
plt.subplot(133)
plt.imshow(Z,interpolation='gaussian')
plt.show()
contourf()
代替contour()
。 - ymn
griddata
的问题在于它是用于不规则采样输入(即散乱数据)的。而对于再插值正则格网数据,有不同的、更有效率的算法可用。scipy.ndimage.zoom
利用了输入的正则格网特性。对于小输入网格可能不明显,但对于较大的网格,zoom
可以快几个数量级。然而,如果您没有一个正则的网格作为起点,那么是的,griddata
或类似的东西(例如scipy.interpolate.Rbf
)就是您想要的。 - Joe Kingtonscipy.ndimage.zoom
来学习一些知识。 - nicoguaro