如何平滑Matplotlib的等高线图？

Question

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？

- theta

Answer 1

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()

- Joe Kington

---

哇！你总是想出我之前没听说过的东西。 - imsc

我花太多时间试图使我的图形尽可能漂亮......这可能解释了为什么我从未按时完成任务！ :) - Joe Kington

我会使用griddata。 - nicoguaro

使用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 Kington

感谢@Joe Kington的解释，我会查看scipy.ndimage.zoom来学习一些知识。 - nicoguaro

Answer 2

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()

- wsj

Answer 3

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()

- imsc

Answer 4

尝试使用高斯滤波器来平滑处理你的数据集。更多信息请参见示例。

- ymn

---

第一个例子是用于线图，第二个是用于图片，因此都不适用于等高线图。或者我错了，被这变得如此复杂所淹没了？ - theta

你能否将原始数据集和脚本上传到公共主机上？ - ymn

当然，这是data.txt。以防万一，使用plt.contour(numpy.loadtxt('data.txt'))绘制它。 - theta

尝试使用contourf()代替contour()。 - ymn

你试过了吗？它只是填充表面而已。顺便说一下，这就是平滑相同数据的效果：http://i.imgur.com/AZR1l.png - theta

我认为ymn是正确的，但你可能还需要重新采样数据以获取一些插值点。如果你的采样太粗糙，绘图工具能做的也很有限。 - Taro Sato