Python中的Voronoi细分问题
在为范围(0,20)内的x值和范围(06000)内的y值构建随机点的Voronoi图期间,细分失败了吗?是因为规模吗?当点被约束到一个正方形上时,效果很好,但我不能合理地解释它。在前面你会发现两种情况 绘制Voronoi图的代码取自 我附上以下案例示例:Python中的Voronoi细分问题,python,matplotlib,voronoi,tessellation,Python,Matplotlib,Voronoi,Tessellation,在为范围(0,20)内的x值和范围(06000)内的y值构建随机点的Voronoi图期间,细分失败了吗?是因为规模吗?当点被约束到一个正方形上时,效果很好,但我不能合理地解释它。在前面你会发现两种情况 绘制Voronoi图的代码取自 我附上以下案例示例: 您正在查看正确的Voronoi图的绘图。由于比例不匹配,点基本上都位于垂直线上,因此Voronoi单元之间的边界是水平线。在轴上具有不同比例的绘图上,这可能会造成混淆。下面是一个具有固定比例的绘图示例。在绘图过程中,生成Voronoi单元的
您正在查看正确的Voronoi图的绘图。由于比例不匹配,点基本上都位于垂直线上,因此Voronoi单元之间的边界是水平线。在轴上具有不同比例的绘图上,这可能会造成混淆。下面是一个具有固定比例的绘图示例。在绘图过程中,生成Voronoi单元的点在x方向上逐渐挤压在一起 上面的图像是使用以下代码生成的,使用比例=1、0.33、0.1、0.033、0.01和0.0033
import numpy as np
scale = 0.0033
points = np.array([[0.1, 0.05], [-0.13, 0.98], [0.2, -0.97],
[0.95, -0.2], [0.76, 0.85], [0.98, -0.7],
[-0.83, 0.25], [-0.94, 0.66], [-0.76, -0.83]])
points = points*[scale,1]
from scipy.spatial import Voronoi, voronoi_plot_2d
vor = Voronoi(points)
import matplotlib.pyplot as plt
fig = voronoi_plot_2d(vor)
ax = plt.gca()
ax.axis([-1.1, 1.1, -1.1, 1.1])
ax.set_aspect('equal', adjustable='box')
plt.show()
如果希望Voronoi图在轴缩放不匹配的情况下看起来“正常”,则应在构建Voronoi图之前缩放点,然后将结果缩放回原始问题空间。不要将代码/数据/错误消息添加为图像。将文本直接张贴在此处。