Matplotlib: Создание 2D гауссовых контуров с прозрачным внешним слоем

Question

Таким образом, я использовал matplotlib cookbook генерировать следующие градации серого гауссовых контуров:

import numpy as np 
from scipy.interpolate import griddata 
import matplotlib.pyplot as plt 
import numpy.ma as ma 
from numpy.random import uniform, seed 
from matplotlib import cm 
def gauss(x,y,Sigma,mu): 
    X=np.vstack((x,y)).T 
    mat_multi=np.dot((X-mu[None,...]).dot(np.linalg.inv(Sigma)),(X-mu[None,...]).T) 
    return np.diag(np.exp(-1*(mat_multi))) 

def plot_countour(x,y,z): 
    # define grid. 
    xi = np.linspace(-2.1,2.1,100) 
    yi = np.linspace(-2.1,2.1,100) 
    ## grid the data. 
    zi = griddata((x, y), z, (xi[None,:], yi[:,None]), method='cubic') 
    # contour the gridded data, plotting dots at the randomly spaced data points. 
    CS = plt.contour(xi,yi,zi,6,linewidths=0.5,colors='k') 
    #CS = plt.contourf(xi,yi,zi,15,cmap=plt.cm.jet) 
    CS = plt.contourf(xi,yi,zi,6,cmap=cm.Greys_r) 
    #plt.colorbar() # draw colorbar 
    # plot data points. 
    #plt.scatter(x,y,marker='o',c='b',s=5) 
    plt.xlim(-2,2) 
    plt.ylim(-2,2) 
    plt.title('griddata test (%d points)' % npts) 
    plt.show() 


# make up some randomly distributed data 
seed(1234) 
npts = 1000 
x = uniform(-2,2,npts) 
y = uniform(-2,2,npts) 
z = gauss(x,y,Sigma=np.asarray([[1.,.5],[0.5,1.]]),mu=np.asarray([0.,0.])) 
plot_countour(x,y,z) 

Однако я хочу, чтобы верхний слой бесцветным, так что я мог экспортировать изображение, состоящее только из нескольких круговых контуров гауссова. Есть ли способ манипулировать этим кодом для этого?

Answer 1

Попробуйте использовать уровни.

def plot_countour(x,y,z): 
    # define grid. 
    xi = np.linspace(-2.1, 2.1, 100) 
    yi = np.linspace(-2.1, 2.1, 100) 
    ## grid the data. 
    zi = griddata((x, y), z, (xi[None,:], yi[:,None]), method='cubic') 
    levels = [0.2, 0.4, 0.6, 0.8, 1.0] 
    # contour the gridded data, plotting dots at the randomly spaced data points. 
    CS = plt.contour(xi,yi,zi,len(levels),linewidths=0.5,colors='k', levels=levels) 
    #CS = plt.contourf(xi,yi,zi,15,cmap=plt.cm.jet) 
    CS = plt.contourf(xi,yi,zi,len(levels),cmap=cm.Greys_r, levels=levels) 
    plt.colorbar() # draw colorbar 
    # plot data points. 
    # plt.scatter(x, y, marker='o', c='b', s=5) 
    plt.xlim(-2, 2) 
    plt.ylim(-2, 2) 
    plt.title('griddata test (%d points)' % npts) 
    plt.show() 


# make up some randomly distributed data 
seed(1234) 
npts = 1000 
x = uniform(-2, 2, npts) 
y = uniform(-2, 2, npts) 
z = gauss(x, y, Sigma=np.asarray([[1.,.5],[0.5,1.]]), mu=np.asarray([0.,0.])) 
plot_countour(x, y, z)