Python 使用matplotlib二维等高线打印添加额外等高线

我正在使用matplotlib创建二维等高线图。使用提供的文档，可以通过以下方式创建等高线图：

import matplotlib
import numpy as np
import matplotlib.cm as cm
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt

delta = 0.025
x = np.arange(-3.0, 3.0, delta)
y = np.arange(-2.0, 2.0, delta)
X, Y = np.meshgrid(x, y)
Z1 = mlab.bivariate_normal(X, Y, 1.0, 1.0, 0.0, 0.0)
Z2 = mlab.bivariate_normal(X, Y, 1.5, 0.5, 1, 1)
# difference of Gaussians
Z = 10.0 * (Z2 - Z1)

plt.figure()
CS = plt.contour(X, Y, Z)
plt.clabel(CS, inline=1, fontsize=10)
plt.title('Simplest default with labels')

这将输出以下绘图。

文档详细说明了如何在现有绘图上手动标记某些等高线（或“线”）。我的问题是如何创建比显示的轮廓线更多的轮廓线

例如，显示的图有两个二元高斯。右上角有三条等高线，分别位于

0.5

、

1.0

和

1.5

如何在例如

0.75

和

1.25

处添加等高线

---

此外，我应该能够放大并（原则上）添加几十条等高线（例如）

1.0

和

1.5

。如何做到这一点

要以指定的标高值绘制等值线，请设置：

---

使用此方法在

级别=np.arange（-1.2,1.6,0.2）

绘制等值线

---

要放大，请设置所需区域的

x

限制和

y

限制：

plt.xlim(0, 3)
plt.ylim(0, 2)

要绘制24个自动选择的级别，请使用

CS = plt.contour(X, Y, Z, 24)

---

比如说,

import numpy as np
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt

delta = 0.025
x = np.arange(-3.0, 3.0, delta)
y = np.arange(-2.0, 2.0, delta)
X, Y = np.meshgrid(x, y)
Z1 = mlab.bivariate_normal(X, Y, 1.0, 1.0, 0.0, 0.0)
Z2 = mlab.bivariate_normal(X, Y, 1.5, 0.5, 1, 1)
# difference of Gaussians
Z = 10.0 * (Z2 - Z1)

plt.figure()
N = 24
CS = plt.contour(X, Y, Z, N)
plt.clabel(CS, inline=1, fontsize=10)
plt.title('{} levels'.format(N))
plt.xlim(0, 3)
plt.ylim(0, 2)
plt.show()

---

使用此方法绘制6条等值线。

是否有方法自动为所有等高线设置标签？如何做到这一点？看看例子。谢谢你的回答。我想我问的是一个更简单的问题：假设我希望

plt.show（）

总是返回带有每个数字值的轮廓。有没有办法通过

plt.clabel（CS等）设置此行为

？给出的示例创建了一个“标签类”，以便通过特定格式的标签——我对给出的格式很满意。难道不是每个轮廓（等值线）都已经被标记了吗？如果您对格式满意，需要更改什么？不，默认情况下不需要更改。这让我很困惑。原始绘图可能有标签，但如果我放大某些区域（设置

x

限制和

y

限制），则没有标签。给出的例子并不能解决这个问题。也许我应该提出一个新问题。。。。

CS = plt.contour(X, Y, Z, 24)

import numpy as np
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt

delta = 0.025
x = np.arange(-3.0, 3.0, delta)
y = np.arange(-2.0, 2.0, delta)
X, Y = np.meshgrid(x, y)
Z1 = mlab.bivariate_normal(X, Y, 1.0, 1.0, 0.0, 0.0)
Z2 = mlab.bivariate_normal(X, Y, 1.5, 0.5, 1, 1)
# difference of Gaussians
Z = 10.0 * (Z2 - Z1)

plt.figure()
N = 24
CS = plt.contour(X, Y, Z, N)
plt.clabel(CS, inline=1, fontsize=10)
plt.title('{} levels'.format(N))
plt.xlim(0, 3)
plt.ylim(0, 2)
plt.show()