Question

我有一个带有一组点坐标（x，y）的文件，我正在使用三角测量法生成一个代表曲面的三角网。三角测量由非结构化三角形网格组成，该网格由n个点和n个三角形组成。

从CSV文件中输入数据：

from matplotlib import pyplot as plt
from pandas import DataFrame
from matplotlib import style

df = DataFrame.from_csv('d:\Users\Raquel\Desktop/test.csv', header=0,
                    sep=';')  # unpact values into x and y using pandas to      load my csv file

style.use('ggplot')

我使用这个三角形网格来计算密度（1 /表面），然后绘制密度图。

用三角法绘制密度图

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

# Coordinates
x = df['x'].values
y = df['y'].values

# Triangulation
tri = Triangulation(x, y)

# 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 = 1.0/(surf*3) # 3 points per triangle

# Plot
xd = (x1+x2+x3)*1.0/3.
yd = (y1+y2+y3)*1.0/3.


tripcolor(xd, yd, dens, cmap='cool')
colorbar()
title('Density Map')
savefig('density.png')
show()

地图不能很好地反映我的观点密度，我也不知道如何改进它......代码有什么问题吗？

注意：这是我的密度图的图像： http://postimg.org/image/3y1g90nwd/c8d2af55/

这是原始图片： http://postimg.org/image/lqn1b8lmx/6dca1266/

Answer 1

使用一些密度估算技术，例如

，而不是使用三角测量法

使用scipy

进行高斯核密度估计

从根本上（乍一看），似乎你将所有三角形视为对密度的相等贡献，因此非常远的点对表面密度具有相同的贡献。如果您选择一个简单的距离阈值来丢弃大三角形的边缘，那么您可以这样做，因此您不会在任意远距离处连接点。或者，如果您使用适当的密度估算技术，那么您将获得更好，更自然的结果。

在Python中绘制密度图的三角剖分方法

1 个答案: