Mam tablicę numpy o tym kształcie: (33,10). Kiedy rysuję kontur, otrzymuję brzydki obraz: 
Jak wygładzić kontur konturu matplotlib?
, podczas gdy contour() nie ma żadnych argumentów na temat wygładzania lub jakiejś funkcji interpolacji.
W jakiś sposób spodziewałem się, że narzędzie, które oferuje kontur, powinno również zapewniać wygładzenie.
Czy istnieje prosty sposób na zrobienie tego w MPL?
Jak inni już wspomniano, trzeba interpolacji danych.
Istnieje wiele różnych sposobów, aby to zrobić, ale na początek rozważ scipy.ndimage.zoom.
Jako szybki exmaple:
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()
Spróbuj wygładzić swój zestaw danych za pomocą gaussian_filter. Aby uzyskać więcej informacji, patrz example.
Pierwszy przykład dotyczy linii działki i drugie jest dla obrazu, więc żaden ma zastosowanie do konturu działki . A może jestem w błędzie i przytłoczony tym, jak bardzo to się komplikuje? – theta
czy mógłbyś przesłać oryginalny zestaw danych i skrypt podczas publicznego hostingu? – ymn
Oczywiście, tutaj jest to [data.txt] (http://pastebin.com/raw.php?i=ySRym7h7). Na wszelki wypadek, narysuj go za pomocą 'plt.contour (numpy.loadtxt ('data.txt'))' – theta
Nie ma łatwego sposobu na uzyskanie gładkiego konturu. Alternatywą jest wypróbowanie imshow. Możesz zobaczyć here dla innych możliwości.
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()
W przypadku, gdy dane są rzadki Joe Kingtons odpowiedź brzmi świetnie.
W przypadku, gdy dane są głośny, należy rozważyć filtrowania zamiast:
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()
Wow! zawsze wymyślasz coś, czego wcześniej nie słyszałem. – imsc
Po prostu spędzam zbyt dużo czasu, próbując sprawić, by moje postacie były tak piękne, jak to tylko możliwe ... Co prawdopodobnie wyjaśnia, dlaczego nigdy nie kończę spraw na czas! :) –
Używałbym [griddata] (http://docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.interpolate.griddata.html). – nicoguaro