平滑轮廓图完全填充

Question

我有具有 (X,Y,Z) 值的数据。我试图用强度的 Z 值制作密度图。然而，我得到的情节并不平滑，并且有多面体，即没有完全填充。

下面是带Data

的代码

但我想获得平滑且完全填充的图


import numpy as np
from scipy.interpolate import griddata
import matplotlib.pyplot as plt
import xlrd
location = "~/Desktop/Data.xlsx"
data = xlrd.open_workbook(location)
sheet = data.sheet_by_index(0)
sample=2000

x=np.array(sheet.col_values(0))[0:sample]
y=np.array(sheet.col_values(1))[0:sample]
z=np.hamming(9000)[0:sample]
print z
def plot_contour(x,y,z,resolution = 500,contour_method='cubic'):
    resolution = str(resolution)+'j'
    X,Y = np.mgrid[min(x):max(x):complex(resolution),   min(y):max(y):complex(resolution)]
    points = [[a,b] for a,b in zip(x,y)]
    Z = griddata(points, z, (X, Y), method=contour_method)
    return X,Y,Z

X,Y,Z = plot_contour(x,y,z,resolution = 500,contour_method='linear')

plt.style.context("seaborn-deep")

plt.contourf(X,Y,Z)
plt.colorbar()
plt.show()

这是输出：

这就是我想要使用 contourplotf 实现的目标：

Answer 1

plt.contourf() 不是这里的主要问题，它只是在处理它拥有的数据。问题是 scipy.interpolate.griddata().

中的线性插值

我建议不要使用 griddata，而是使用以下方法之一：

scipy.interpolate.Rbf() — this is what you were using before ().
verde — 很棒的网格化包。
sklearn.gaussian_process — 或其他一些预测模型。

所有这些方法都会填充网格。如果您使用 plt.imshow() 绘制结果，您将得到您在问题中显示的绘图类型——这不是 plt.contourf() 绘图。

Here's a demo notebook 展示了所有这些方法（包括 griddata）。

平滑轮廓图完全填充

Smooth Contourf plot completely filled

python

matplotlib

contourf