Python Matplotlib 等高线图不提取精确的等高线

发布于08月17日

我在提取以下数据的准确轮廓时遇到了困难:(您只需查看数据就可以看到轮廓)

data = np.array(
      [[ 1.46184395,  1.46184395,  1.46184395,  1.        ,  1.        ],
       [ 1.46184395,  1.46184395,  1.46184395,  1.        ,  1.        ],
       [ 1.46184395,  1.46184395,  1.46184395,  1.        ,  1.        ],
       [ 1.46184395,  1.46184395,  1.46184395,  1.        ,  1.        ],
       [ 1.46184395,  1.46184395,  1.46184395,  4.24552277,  4.24552277],
       [ 1.46184395,  1.46184395,  1.46184395,  4.24552277,  4.24552277],
       [ 1.46184395,  1.46184395,  1.46184395,  4.24552277,  4.24552277],
       [ 1.46184395,  1.46184395,  1.46184395,  4.24552277,  4.24552277],
       [ 1.46184395,  1.46184395,  1.46184395,  4.24552277,  4.24552277],
       [ 1.46184395,  1.46184395,  1.46184395,  4.24552277,  4.24552277]])

如果我把它画出来:

plt.imshow(data)

但是，当我try 使用以下命令提取轮廓时:

plt.contour(data, levels = np.unique(data))

如您所见，等高线并不遵循实际数据的锐角.如果我把两个地块都叠起来:

以下是完整的代码:

import numpy as np
import matplotlib.pyplot as plt

data = np.array([[ 1.46184395,  1.46184395,  1.46184395,  1.        ,  1.        ],
       [ 1.46184395,  1.46184395,  1.46184395,  1.        ,  1.        ],
       [ 1.46184395,  1.46184395,  1.46184395,  1.        ,  1.        ],
       [ 1.46184395,  1.46184395,  1.46184395,  1.        ,  1.        ],
       [ 1.46184395,  1.46184395,  1.46184395,  4.24552277,  4.24552277],
       [ 1.46184395,  1.46184395,  1.46184395,  4.24552277,  4.24552277],
       [ 1.46184395,  1.46184395,  1.46184395,  4.24552277,  4.24552277],
       [ 1.46184395,  1.46184395,  1.46184395,  4.24552277,  4.24552277],
       [ 1.46184395,  1.46184395,  1.46184395,  4.24552277,  4.24552277],
       [ 1.46184395,  1.46184395,  1.46184395,  4.24552277,  4.24552277]])

plt.imshow(data)
plt.show()
plt.contour(data, levels=np.unique(data), cmap="jet")
plt.colorbar()

import numpy as np import matplotlib.pyplot as plt import matplotlib as mpl data = np.array([[ 1.46184395, 1.46184395, 1.46184395, 1. , 1. ], [ 1.46184395, 1.46184395, 1.46184395, 1. , 1. ], [ 1.46184395, 1.46184395, 1.46184395, 1. , 1. ], [ 1.46184395, 1.46184395, 1.46184395, 1. , 1. ], [ 1.46184395, 1.46184395, 1.46184395, 4.24552277, 4.24552277], [ 1.46184395, 1.46184395, 1.46184395, 4.24552277, 4.24552277], [ 1.46184395, 1.46184395, 1.46184395, 4.24552277, 4.24552277], [ 1.46184395, 1.46184395, 1.46184395, 4.24552277, 4.24552277], [ 1.46184395, 1.46184395, 1.46184395, 4.24552277, 4.24552277], [ 1.46184395, 1.46184395, 1.46184395, 4.24552277, 4.24552277]]) def region_borders(data, value, color, **kwargs): v = np.argwhere(np.diff((data == value).T, axis=0)) vlines = np.array(list(zip(v + [.5, -.5], v + [.5, .5]))) h = np.argwhere(np.diff((data == value).T, axis=1)) hlines = np.array(list(zip(h + [-.5, .5], h + [.5, .5]))) if len(vlines) and len(hlines): lines = np.vstack((vlines, hlines)) elif len(vlines): lines = vlines else: lines = hlines return mpl.collections.LineCollection(lines, colors=color, **kwargs) contours = np.unique(data) fig, ax = plt.subplots(ncols=len(contours)+1, sharex=True, sharey=True, layout='constrained') im = ax[0].matshow(data, cmap='jet', aspect='auto') fig.colorbar(im, ax=ax[-1]) norm = mpl.colors.Normalize(data.min(), data.max()) for i, value in enumerate(contours, 1): ax[i].add_collection(region_borders(data, value, mpl.cm.jet(norm(value)), lw=2)) ax[i].set_title(value)

Python Matplotlib 等高线图不提取精确的等高线

推荐答案

Python相关问答推荐

Conda更新在两个版本的fMT之间翻转

七段显示不完整

我们可以在apps.py？中使用Post_Save信号吗

GEKKO：已知延迟的延迟系统的参数估计

替换字符串中的点/逗号，以便可以将其转换为浮动

从包含数字和单词的文件中读取和获取数据集

如何根据情况丢弃大Pandas 的前n行，使大Pandas 的其余部分完好无损

Pandas 除以一列中出现的每个值

如何使用SubProcess/Shell从Python脚本中调用具有几个带有html标签的参数的Perl脚本？

使用scipy. optimate.least_squares()用可变数量的参数匹配两条曲线

使用Keras的线性回归参数估计

Pandas 第二小值有条件

根据另一列中的nan重置值后重新加权Pandas列

如果条件不满足，我如何获得掩码的第一个索引并获得None？

如何使用Python以编程方式判断和检索Angular网站的动态内容？

Python—从np.array中 Select 复杂的列子集

计算每个IP的平均值

在单个对象中解析多个Python数据帧

在www.example.com中使用`package_data`包含不包含init. py的非Python文件

为什么numpy. vectorize调用vectorized函数的次数比vector中的元素要多？