Matplotlib 将pcolormesh和contour放在同一网格上？

我正在尝试使用

轮廓

和

pcolormesh

显示带有轴标签的二维数据。如matplotlib用户列表中所述，这些函数遵循不同的约定：

pcolormesh

期望x和y值指定各个像素的角点，而

contour

期望像素的中心

使这些行为一致的最佳方法是什么

我考虑过的一个选项是创建“中心到边缘”函数，假设数据间隔均匀：

def centers_to_edges(arr):
    dx = arr[1]-arr[0]
    newarr = np.linspace(arr.min()-dx/2,arr.max()+dx/2,arr.size+1)
    return newarr

另一个选项是将

imshow

与

extent

关键字集一起使用。

---

第一种方法不能很好地处理二维轴（例如，由

网格网格

或

索引

创建），第二种方法完全丢弃轴号

您的数据是常规网格吗？如果没有，您可以使用griddata（）获取它。我认为，如果你的数据太大，亚采样或正则化总是可能的。如果数据太大，可能您的输出图像与它相比总是很小，您可以利用这一点。 如果将imshow（）与“extent”和“interpolation='nearest'”一起使用，您将看到数据以单元格为中心，而extent是由单元格的下边缘（角）提供的。另一方面，contour假设数据以单元为中心，并且X，Y必须是单元的中心。因此，您需要关心轮廓的输入域。一个简单的例子是：

x = np.arange(-10,10,1)
X,Y = np.meshgrid(x,x)
P = X**2+Y**2
imshow(P,extent=[-10,10,-10,10],interpolation='nearest',origin='lower')
contour(X+0.5,Y+0.5,P,20,colors='k')

---

我的测试告诉我pcolormesh（）是一个非常慢的例程，我总是尽量避免它。griddata和imshow（）对我来说总是一个不错的选择。

您是否考虑过使用

numpy.griddata

将所有数据插值到角点？（或中心）是的，但这会增加不必要的开销，而且在某些情况下，我会处理大数据（尽管我认为在我关心亚像素角点精度的情况下，可能不会……hrm）。另外，我想你指的是

scipy.interpolate.griddata

？我的意思是

scipy.interpolate.griddata

。如果因为数据太大而不想对其进行插值，请尝试将移位的x和y坐标数组传递给

ax.pcolormesh（）

。这样你根本不需要接触你的数据。是的，这就是

中心到边缘的意图-我没有说清楚，所以我想这只是意味着我们在同一页上。