基于python，plot如何画等高线/等温线/等压线/决策边界图？

我们相信：世界是美好的，你是我也是。平行空间的世界里面，不同版本的生活也在继续...

python画图中有一种边界图，或者称为等高线图/等温线图/等压线图。在人工智能里面，称之为决策边界图。其实，背后的原理都是一样的，都是来自于matplotlib.pyplot的contourf()函数。它可以根据输入的数据绘制出二维数据集的边界线图像。在本文中，苏南大叔将对其做个简单的探索。

苏南大叔的“程序如此灵动”博客，记录苏南大叔的代码经验总结。本文测试环境：win10，python@3.11.0，numpy@1.24.2，matplotlib@3.7.1。

数据准备

数据准备的话，还是基于下面文章的数据范例。参考文章：

• https://newsn.net/say/numpy-meshgrid.html

import numpy as np
x = np.arange(0, 12, 3)
y = np.linspace(0, 12, 3)
xx, yy = np.meshgrid(x, y)

总之，这里拿到了待处理的原始网格点信息。

准备决策数据

然后需要的数据是等高线数据，这个是重点哦。整个边界图的样子（漂亮程度、线条走向）的主要依据来源，就是下面这个数据了。数据很重要，但是数据的来源逻辑，可就是根据大家的实际情况来编写的了，每个人的写法都不一样。

# 写你自己的逻辑，获得一系列点的数值集合
zz = np.square(xx) - yy
# zz = np.square(xx) - yy > 0
# zz = np.sin(xx) + np.cos(yy)

它的数据就是等高线的“高”，等温线的“温”，等压线的“压”。总之，这里得到的是一系列的数据，contourf()会对这里的数据进行分组，然后合并成色块进行展示。并且，可能是一些互不相等的数字，也可能只是两种情况的true和false。

画等高线【本文主体】

import matplotlib.pyplot as plt
plt.contourf(xx, yy, zz)
# ...
plt.show()

想象成一个三维立体空间坐标系就比较好理解了，x,y是二维坐标，z坐标用于在竖直方向上画边界线。

分支一，调整等高线的层次(线条数)

下面代码里面的数字2就是线条数，这里解释为线条数略有些牵强，待后续补充。

plt.contourf(xx, yy, zz, 2)

这里的线条数设置3，显示处理的分界线就是4。设置5，就显示出来6条分界线。（如果能分开这么多的话）

分支二，设置等高线颜色及colorbar

plt.contourf(xx, yy, zz, cmap="cool")
plt.colorbar()

cmap参数和color参数冲突，只能设置一个，推荐设置cmap。

.colorbar()就是对于边界线的决策依据做个简单的图例说明。这个暂作伏笔，以后在展开叙述。

图像增益【便于理解】

这部分准备先画个散点图，然后给每个点上加个文字，便于查看理解最终的决策图的决策依据。仅仅是个增益的选项，实际的决策图，没有这些散点，边界图依然是可以画出来的。

plt.scatter(xx, yy)
for xyz in zip(xx.ravel(), yy.ravel(), zz.ravel()):
    plt.text(xyz[0], xyz[1], "(%s,%.f => %s)" % xyz)

这部分代码，涉及的参考文章比较多：

• https://newsn.net/say/plot-scatter.html
• https://newsn.net/say/plot-scatter-2.html
• https://newsn.net/say/plot-text.html
• https://newsn.net/say/plot-annotate.html
• https://newsn.net/say/python-zip.html
• https://newsn.net/say/ndarray-flatten.html

结束语

plot画图，在大数据的数据展示层面，是非常重要的。更多python相关文章，请参考苏南大叔的文章链接：

• https://newsn.net/tag/python/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。