如何在Python中计算两个轮廓之间的点数

我正在使用

matplotlib.pyplot

插值数据并创建等高线。 下面的答案/示例（关于如何计算轮廓内的面积），我能够获得轮廓线的顶点。

---

有没有一种方法可以使用这些信息（即直线的顶点）来计算两个给定轮廓之间有多少个点？这些点将不同于用于导出等高线的数据。

我不确定我是否了解您要检查哪些点，但是，如果您有线顶点（两点），并且希望检查第三个点是否位于两者之间，您可以采取简单（无效）的方法接近并计算由三个三角形组成的三角形的面积。如果面积为0，则该点落在同一条线上。此外，还可以计算点之间的距离，并查看点是在直线上的点之间还是在延伸直线上的点之间

---

希望这有帮助

我不确定我是否了解您要检查哪些点，但是，如果您有直线顶点（两个点），并且希望检查第三个点是否位于这两个点之间，则可以采用简单（非有效）的方法，并计算由这三个点形成的三角形的面积。如果面积为0，则该点落在同一条线上。此外，还可以计算点之间的距离，并查看点是在直线上的点之间还是在延伸直线上的点之间

---

希望这有帮助

通常情况下，您不希望通过对绘图进行反向工程来获取某些数据。相反，您可以对稍后用于绘制等高线的阵列进行插值，并找出哪些点位于具有特定值的区域中

下面将找到

-0.8

和

-0.4

级别之间的所有点，打印它们并在绘图上以红色显示

import numpy as np; np.random.seed(1)
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt
from scipy.interpolate import Rbf

X, Y = np.meshgrid(np.arange(-3.0, 3.0, 0.1), np.arange(-2.4, 1.0, 0.1))
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)
Z = 10.0 * (Z2 - Z1)

points = np.random.randn(15,2)/1.2
levels = [-1.2, -0.8,-0.4,-0.2]

# interpolate points
f = Rbf(X.flatten(), Y.flatten(), Z.flatten()) 
zi = f(points[:,0], points[:,1])
# add interpolated points to array with columns x,y,z
points3d = np.zeros((points.shape[0],3))
points3d[:,:2] = points
points3d[:,2] = zi
# masking condition for points between levels
filt = (zi>levels[1]) & (zi <levels[2])
# print points between the second and third level
print(points3d[filt,:])

### plotting
fig, ax = plt.subplots()

CS = ax.contour(X, Y, Z, levels=levels)
ax.clabel(CS, inline=1, fontsize=10)
#plot points between the second and third level in red:
ax.scatter(points[:,0], points[:,1], c=filt.astype(float), cmap="bwr" )

plt.show()

将numpy作为np导入；np.随机种子（1）
将matplotlib.mlab导入为mlab
将matplotlib.pyplot作为plt导入
从scipy.interpolate导入Rbf
十、 Y=np.meshgrid（np.arange（-3.0,3.0,0.1），np.arange（-2.4,1.0,0.1））
Z1=mlab.二元_正态（X，Y，1.0，1.0，0.0，0.0）
Z2=mlab.二元正态（X，Y，1.5，0.5，1，1）
Z=10.0*（Z2-Z1）
点数=np.随机数randn（15,2）/1.2
级别=[-1.2，-0.8，-0.4，-0.2]
#插值点
f=Rbf（X.展平（），Y.展平（），Z.展平（））
zi=f（点[：，0]，点[：，1]）
#将插值点添加到具有x、y、z列的阵列
点3d=np.zero（（点形状[0]，3））
点3d[：，：2]=点
点3d[：，2]=zi
#层间点的掩蔽条件
filt=（zi>levels[1]）&（zi通常，您不希望对绘图进行反向工程以获得某些数据。相反，您可以对稍后用于绘制等高线的数组进行插值，并找出哪些点位于具有特定值的区域中

下面将找到
-0.8
和
-0.4
级别之间的所有点，打印它们并在绘图上以红色显示

import numpy as np; np.random.seed(1)
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt
from scipy.interpolate import Rbf

X, Y = np.meshgrid(np.arange(-3.0, 3.0, 0.1), np.arange(-2.4, 1.0, 0.1))
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)
Z = 10.0 * (Z2 - Z1)

points = np.random.randn(15,2)/1.2
levels = [-1.2, -0.8,-0.4,-0.2]

# interpolate points
f = Rbf(X.flatten(), Y.flatten(), Z.flatten()) 
zi = f(points[:,0], points[:,1])
# add interpolated points to array with columns x,y,z
points3d = np.zeros((points.shape[0],3))
points3d[:,:2] = points
points3d[:,2] = zi
# masking condition for points between levels
filt = (zi>levels[1]) & (zi <levels[2])
# print points between the second and third level
print(points3d[filt,:])

### plotting
fig, ax = plt.subplots()

CS = ax.contour(X, Y, Z, levels=levels)
ax.clabel(CS, inline=1, fontsize=10)
#plot points between the second and third level in red:
ax.scatter(points[:,0], points[:,1], c=filt.astype(float), cmap="bwr" )

plt.show()

将numpy作为np导入；np.random.seed（1）
将matplotlib.mlab导入为mlab
将matplotlib.pyplot作为plt导入
从scipy.interpolate导入Rbf
十、 Y=np.meshgrid（np.arange（-3.0,3.0,0.1），np.arange（-2.4,1.0,0.1））
Z1=mlab.二元_正态（X，Y，1.0，1.0，0.0，0.0）
Z2=mlab.二元正态（X，Y，1.5，0.5，1，1）
Z=10.0*（Z2-Z1）
点数=np.随机数randn（15,2）/1.2
级别=[-1.2，-0.8，-0.4，-0.2]
#插值点
f=Rbf（X.展平（），Y.展平（），Z.展平（））
zi=f（点[：，0]，点[：，1]）
#将插值点添加到具有x、y、z列的阵列
点3d=np.zero（（点形状[0]，3））
点3d[：，：2]=点
点3d[：，2]=zi
#层间点的掩蔽条件
filt=（zi>levels[1]）&（zi是的，我说的是检查“第三个点”是否介于两者之间，只是我有一组大约20-40K的点需要检查/计数。你的评论确实帮助我进一步思考，但我很难概念化如何对一条线（而不仅仅是一组x，y顶点）执行此操作还有很多要点。谢谢！是的，我说的是检查“第三个点”是否介于两者之间，除了我有一组大约20-40K的点需要检查/计数。你的评论确实帮助我进一步思考，但我很难概念化如何对一条线（而不仅仅是一组x，y顶点）执行此操作还有很多要点。谢谢！谢谢你的回答。我认为这将帮助我更好地阐明我的目标：我不需要对绘图进行反向工程。相反，我想使用从已知X、Y、Z的数组/数据集获得的2条等高线，并希望将其用于仅已知X和Y的其他数组。因为我的Z值来自时间-I我只想知道它们落在轮廓的哪一边（而不是它们的确切位置），我希望我可以避免为新阵列再次运行模型，而是使用现有轮廓的顶点。这有更好的意义吗？当然，但上面的操作不正是这样吗？看起来您需要知道示例中Z的值，才能使用遮罩并将其过滤掉。我只有一个阵列有Z，但没有for其余的。如果我遗漏了一些明显的东西，请原谅？从本质上看，我的任务类似于通过“光线投射”完成的“多边形中的点”问题。除了多边形之外，我有两个轮廓。我可以将我的轮廓转换为多边形，但我想知道是否有一种更直接的方法你需要
X
，
Y
，
Z
（我想这些是密集型模型中的数据）。你需要知道两个轮廓级别（例如
Z=-0.8，Z=-0.4
），最后你需要一些
点，你想知道它们是否位于轮廓内（你只有X，Y个点，Z=zi在脚本中计算）.谢谢你的回答。我想这会帮助我更好地表达我的目标：我不需要对情节进行反向工程。相反，我希望