使用python

Question

我有一组数据，我需要识别模式，所以我尝试使用plt.contours和plt.contourf来完成该任务并且效果很好，现在我可以绘制轮廓并以图形方式显示超密度在数据中。在这一步中，我试图获取表面轮廓的信息（我的意思是，将变量中定义轮廓的值保存在以后使用它。）没有成功：有没有办法做到这一点？

另外，我怀疑颜色条中的值意味着什么，我知道这是数据过密度的程度，但如果有人能告诉我更多细节，那就太棒了。

我附上我目前使用的代码（我在这种情况下生成数据），以及代码图。

import scipy.interpolate
import numpy as np
import scipy.stats as st
import matplotlib.pyplot as plt

np.random.seed(20)

data = np.random.rand(400,2)

x = data[:,0]
y = data[:,1]

plt.figure(figsize=(12,7))

# Set up a regular grid of points
xi, yi = np.linspace(x.min(), x.max(), 100), np.linspace(y.min(), y.max(), 100)
xi, yi = np.meshgrid(xi, yi)

#contours:
n_contours = 6
positions = np.vstack([xi.ravel(), yi.ravel()])
values = np.vstack([x, y])
kernel = st.gaussian_kde(values)
f = np.reshape(kernel(positions).T, xi.shape)

cfset = plt.contourf(xi, yi, f,n_contours, cmap='Greens')
cset = plt.contour(xi, yi, f,n_contours, colors='k')

#For the points data:
positions = np.vstack([x.ravel(), y.ravel()])
values = np.vstack([x, y])
kernel = st.gaussian_kde(values)
z = np.reshape(kernel(positions).T, x.shape)

#plot:
plt.scatter(x, y, c=z)
plt.colorbar(cfset)
plt.show()

谢谢！

编辑：

我使用get_paths（）功能创建了一种方法，所以基本上，您需要选择轮廓，然后选择获取值（x，y）所需的段数，例如：

#contour 3, section 0
p = cset.collections[3].get_paths()[0]
v = p.vertices
x0 = v[:,0]
y0 = v[:,1]
#contour 3, section 1
p = cset.collections[3].get_paths()[1]
v = p.vertices
x1 = v[:,0]
y1 = v[:,1]
#contour 3, section 2
p = cset.collections[3].get_paths()[2]
v = p.vertices
x2 = v[:,0]
y2 = v[:,1]

plt.plot(x0,y0,'-',x1,y1,'-',x2,y2,'-')

有了这个，你得到：