我想基于满足条件的可能性创建轮廓图（图）。到目前为止，我有三列相等的长度-土壤饱和度（X），风暴强度（Y）和（Z）满足条件的概率（即0-1）
我的X和Y数据具有不同数量的唯一值，因此每个X值都有许多相应的Y值，从这些值可以生成典型散点图中的点。我希望在位置（X，Y）处具有概率的轮廓，希望可以将每个轮廓表示为决策边界，其中1的决策要高于该概率值（例如0.4、0.5、0.6等）。 ）。
到目前为止，我已经尝试了许多选项，其中大多数以np.meshgrid开头。我将在下面发布一些示例图。无论如何，我可以将其清理为每个概率边界只有一行吗？
这是我要从中绘制轮廓的示例散点图：
plt.figure(figsize=(18,5))
plt.scatter(sat_depth_test.loc[:,'soil sat'],sat_depth_test.loc[:,'storm depth'],c=probas[:,1],cmap='YlOrRd')
plt.colorbar()
plt.title('Prediction Boundary for Ksat = 0.00001, all other Base Case Parameterizations')
plt.xlabel('Antecedent Soil Saturation')
plt.ylabel('Storm Storm Depth (mm)')
plt.yscale('log')
plt.ylim([5,150])
我也做了类似的事情，但是没有一行显示决策边界：
triang = tri.Triangulation(sat, storm)
interpolator = tri.LinearTriInterpolator(triang, probdf['Prob'])
X,Y = np.meshgrid(sat,storm)
Z = interpolator(X, Y)
plt.figure(figsize=(15,5))
plt.contour(X,Y,Z)
plt.colorbar()
plt.title('Prediction Boundary for Ksat = 0.00001, all other Base Case Parameterizations')
plt.xlabel('Antecedent Soil Saturation')
plt.ylabel('Storm Storm Depth (mm)')
plt.yscale('log')
plt.ylim([5,150])
我只是觉得有点卡在这里。理想情况下，我希望用单行显示每个0.05或0.10概率间隔的轮廓，以代替散点图。
这类似于此，但仍然更干净：
理想情况下，我想要这样的东西：（从https://jakevdp.github.io/PythonDataScienceHandbook/04.04-density-and-contour-plots.html借来的）
我也很抱歉没有在此处放置实际情节。这是我关于SO的第一个问题，我很难找出如何将其包括在内。
谢谢！
