将高占用率区域绘制为Python中的密度图或轮廓

Question

我有一个带有几个点的图像，我对它们进行了标记，以便我可以知道它们的坐标（x，y）。 现在我有一个坐标列表，如：

obj [0]: (1.5918367346938775, 806.42857142857144)
obj [1]: (5.5131578947368425, 860.59539473684208)
obj [2]: (0.0, 853.0)
(...)
obj [1183]: (1722.6078431372548, 1575.8725490196077)
obj [1184]: (1725.7272727272727, 330.72727272727275)
obj [1185]: (1726.4285714285713, 335.85714285714283)
obj [1186]: (1727.0, 327.0)

拥有（x，y）点位置的大型数据集，我想在Python中将高占用率区域绘制为密度图或轮廓。

我使用了matplotlib的轮廓，但它没有给我很好的密度信息：

import matplotlib.pyplot as plt
import numpy as np

z = th1
plt.subplot(2,2,1),plt.contour(np.transpose(z))
plt.title('Basic Contour')[![enter image description here][1]][1]

Answer 1

你是否尝试过用直方图对它们进行分类？

    {
       "query": {
            "filtered": {
                "query": {
                    "match": {"genre": "metal"}    
                },
                "filter": {
                    "term": {"artist": "Somanath"}         
                }

            }
        }
    } 

Answer 2

估算密度的一种方法是使用使用三角形连接点的matplotlib.tri.Triangulation类，然后使用基于坐标的分析公式计算每个三角形的面积。然后可以从每个三角形表面的倒数推导出密度。

import numpy as np
from matplotlib.pyplot import (tripcolor, triplot, scatter,
    show, title, savefig, colorbar)
from matplotlib.tri import Triangulation, TriAnalyzer

# Coordinates
x = np.random.random(100)
y = np.random.random(100)

# Triangulation
tri = Triangulation(x, y)

# Remove flat triangles
mask = TriAnalyzer(tri).get_flat_tri_mask(0.01)
tri.set_mask(mask)

# Coordinates of the edges
ii1, ii2, ii3 = tri.triangles.T
x1 = x[ii1] ; y1 = y[ii1]
x2 = x[ii2] ; y2 = y[ii2]
x3 = x[ii3] ; y3 = y[ii3]

# Surfaces
surf = 0.5*np.abs((x2-x1)*(y3-y1)-(x3-x1)*(y2-y1))

# Density
dens = 1/(surf*3) # 3 points per triangle!

# Plot
xd = (x1+x2+x3)/3.
yd = (y1+y2+y3)/3.
tripcolor(xd, yd, dens, cmap='cool')
colorbar()
triplot(tri, color='k', linewidth=0.3)
scatter(x,y)
title('Density')
savefig('density.png')
show()