如何平滑 matplotlib 等高线图？答案

【问题标题】：How to smooth matplotlib contour plot?如何平滑 matplotlib 等高线图？
【发布时间】：2012-09-05 04:32:35
【问题描述】：

我有这个形状的 numpy 数组：(33,10)。当我绘制轮廓时，我会得到这样的丑陋图像：

虽然contour() 似乎没有任何关于平滑或某种插值功能的争论。

我以某种方式期望提供等高线图的工具也应该提供平滑。
在 MPL 中有直接的方法吗？

【问题讨论】：

标签： python matplotlib

【解决方案1】：

正如其他人已经指出的那样，您需要对数据进行插值。

有许多不同的方法可以做到这一点，但对于初学者来说，请考虑scipy.ndimage.zoom。

作为一个简单的例子：

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()

【讨论】：

哇！你总是想出一些我以前没听过的东西。
我只是花了太多时间试图让我的数字尽可能漂亮......这可能解释了为什么我从来没有按时完成任务！ :)
我会使用 [griddata](docs.scipy.org/doc/scipy-0.14.0/reference/generated/…)。
@nicoguaro - 使用griddata 的问题在于它适用于不规则采样的输入（即分散的数据）。对于重新插值规则网格化的数据，有不同的、更有效的算法。 scipy.ndimage.zoom 利用输入的规则网格特性。对于小的输入网格可能并不明显，但对于较大的网格，zoom 可以快几个数量级。但是，如果您没有常规的网格开始，那么是的，griddata 或类似的东西（例如scipy.interpolate.Rbf）就是您想要的。
感谢@Joe Kington 的解释，我会检查scipy.ndimage.zoom 学习一点。

【解决方案2】：

如果您的数据稀疏，Joe Kingtons 的回答非常棒。

如果您的数据嘈杂，您应该考虑对其进行过滤：

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()

【讨论】：

【解决方案3】：

没有简单的方法来获得平滑的轮廓。另一种方法是尝试imshow。您可以查看here 以了解其他可能性。

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()

【讨论】：

【解决方案4】：

尝试使用gaussian_filter 平滑您的数据集。请参阅example 了解更多信息。

【讨论】：

第一个例子是线图，第二个是图像，所以没有一个适用于等高线图。或者我错了，对事情变得多么复杂感到不知所措？
您可以在公共托管上上传原始数据集和您的脚本吗？
当然，这里是data.txt。以防万一，请使用plt.contour(numpy.loadtxt('data.txt')) 绘制它
尝试使用contourf()而不是contour()
我认为 ymn 是正确的，但您可能还需要重新采样数据以获取数据点之间的一些插值点。如果您的采样太粗略，那么绘图实用程序可以做很多事情。