在 3D 图中平滑大数据

Question

我使用 matplotlib 和 Axes3D 在 Python 中制作了一个 3D 绘图。它看起来不错，但由于我要绘制的数据量很大，它有很多锯齿状的边缘。我在数据上尝试了 scipy 插值方法，但 plot_surface 命令不喜欢返回的类型。我还没有找到关于这个主题的更多信息。

到目前为止，这是我的代码：

import numpy
import scipy.io as sio
from matplotlib import pyplot 
import matplotlib
from mpl_toolkits.mplot3d import Axes3D
import scipy

#data pulled from file
matFile = sio.loadmat(matFileLocation)
data = matFile['data']
[numrows, numcols] = numpy.shape(numpy.atleast_2d(data))
fig = pyplot.figure()
ax = fig.gca(projection = '3d')
x = range(numcols)
y = range(numrows)
X, Y = numpy.meshgrid(x,y)
hImage = ax.plot_surface(X,Y,data,cmap = 'jet', rstride = 1, cstride = 10, linewidth=0, antialiased = False)
fig.colorbar(hImage)
hImage.set_clim(mindb, maxdb)
pyplot.show()

请注意，x、y 和数据会根据我运行的不同文件而改变。非常感谢您指出正确的方向。

编辑：尝试的方法

在过去的两天里，我从太多不同的例子中尝试了太多不同的插值方法，以至于我不记得我有什么和没有尝试过什么。我想我记得griddata、interp2d 和一些hImage.imshow(interpolation='gaussian')（或类似的东西）。 Griddata 返回了 plot_surface 无法理解的内容，interp2d 从未完成，并且 hImage 将我的整个绘图变成黄色，没有像我预期的那样缩放变化。

我还尝试了其他方法，例如将我的数据与 2D 数组卷积并除以 2D 数组的长度。不幸的是，我的数据包含很多非常低的值，所以我在卷积中丢失了一些高值。 编辑：我忘了除以 len^2，这些值现在更有意义了。

我实际上是在寻找来自 MatLab 的shading interp。

Answer 1

我最终将我的数据与一个二维数组进行卷积，然后除以新数组的长度。

def movingaverage(interval, window_size, mindb):
    window= numpy.ones((int(window_size),int(window_size)))/(float(window_size)**2)
    return scipy.signal.convolve2d(interval, window, 'same', fillvalue=mindb)

这是我在寻找其他选项时发现的移动平均函数类型。它平滑了我的 3d 图，尽管它确实需要降低峰值，因为我的很多数据的 z 轴值都很低。