matplotlib - 从等高线提取数据

Question

我想从均匀间隔的二维数据（类似图像的数据）的单个轮廓中获取数据。

基于类似问题中找到的示例： 如何获取轮廓绘制的线的 (x,y) 值绘图 (matplotlib)？

>>> import matplotlib.pyplot as plt
>>> x = [1,2,3,4]
>>> y = [1,2,3,4]
>>> m = [[15,14,13,12],[14,12,10,8],[13,10,7,4],[12,8,4,0]]
>>> cs = plt.contour(x,y,m, [9.5])
>>> cs.collections[0].get_paths()

调用 cs.collections[0].get_paths() 的结果是：

[Path([[ 4.          1.625     ]
 [ 3.25        2.        ]
 [ 3.          2.16666667]
 [ 2.16666667  3.        ]
 [ 2.          3.25      ]
 [ 1.625       4.        ]], None)]

根据绘图，这个结果是有意义的，并且似乎是 ( y,x) 对表示轮廓线。

除了手动循环此返回值、提取坐标并组装线条数组之外，是否有更好的方法从 matplotlib.path 对象获取数据？从 matplotlib.path 提取数据时是否有需要注意的陷阱？

或者，在 matplotlib 或更好的 numpy/scipy 中是否有替代方案来执行类似的操作？理想的情况是获得描述该线的 (x,y) 对的高分辨率向量，该向量可用于进一步分析，因为一般来说我的数据集并不像上面的示例那样小或简单。

Answer 1

对于给定的路径，您可以获得如下点：

p = cs.collections[0].get_paths()[0]
v = p.vertices
x = v[:,0]
y = v[:,1]

Answer 2

来自： http://matplotlib.org/api/path_api.html#module-matplotlib .路径

Path 对象的用户不应访问顶点和代码数组
直接地。相反，他们应该使用 iter_segments() 来获取
顶点/代码对。这很重要，因为许多 Path 对象作为
优化，根本不存储代码，而是有一个默认代码
由 iter_segments() 为它们提供。

否则，我不太确定你的问题是什么。在处理坐标时，[Zip] 有时是一个有用的内置函数。 1

Answer 3

所有路径的顶点可以简单地通过以下方式返回为 float64 的 numpy 数组：

cs.allsegs[i][j]  # for element j, in level i

其中 cs 的定义如原始问题中所示：

import matplotlib.pyplot as plt
x = [1, 2, 3, 4]
y = [1, 2, 3, 4]
m = [[15, 14, 13, 12], [14, 12, 10, 8], [13, 10, 7, 4], [12, 8, 4, 0]]
cs = plt.contour(x, y, m, [9.5])

更详细：

浏览集合提取路径和顶点并不是最直接或最快的事情。返回的 Contour 对象实际上通过 cs.allsegs 具有段的属性，它返回形状 [level][element][vertex_coord] 的嵌套列表：

num_levels = len(cs.allsegs)
num_element = len(cs.allsegs[0])  # in level 0
num_vertices = len(cs.allsegs[0][0])  # of element 0, in level 0
num_coord = len(cs.allsegs[0][0][0])  # of vertex 0, in element 0, in level 0

请参阅参考：
https://matplotlib.org/stable/api/contour_api.html

Answer 4

我面临着类似的问题，并偶然发现 this matplotlib 列表讨论。

基本上，可以去掉绘图并直接调用底层函数，虽然不是超级方便，但也是可能的。该解决方案也不是像素精确的，因为底层代码中可能正在进行一些插值。

import matplotlib.pyplot as plt
import matplotlib._cntr as cntr
import scipy as sp

data = sp.zeros((6,6))
data[2:4,2:4] = 1

plt.imshow(data,interpolation='none')
level=0.5
X,Y = sp.meshgrid(sp.arange(data.shape[0]),sp.arange(data.shape[1]))
c = cntr.Cntr(X, Y, data.T)
nlist = c.trace(level, level, 0)
segs = nlist[:len(nlist)//2]
for seg in segs:
    plt.plot(seg[:,0],seg[:,1],color='white')

plt.show()