numpy - 如何摆脱contourplot contourf（平滑矩阵/二维数组）中的伪影？

Question

我在带有命名数据集的 hdf5 文件中有数据

#Data Aquisition and manipulation
file = h5py.File('C:/Users/machz/Downloads/20200715_000_Scan_XY-Coordinate_NV-centre_APD.h5', 'r')
filename = path.basename(file.filename)

intensity = file.get('intensity')
intensity = np.array(intensity)

x_range = file.get('x range')
x_range = np.array(x_range)
x_range = np.round(x_range,1)

z_range = file.get('z range')
z_range = np.array(z_range)
z_range=np.round(z_range,1)

其中强度是二维数组，x_range 和 z_range 是一维数组。现在我想平滑强度数据。原始数据看起来像这样：

通过使用seaborn.heatmap：

heat_map = sb.heatmap(intensity, cmap="Spectral_r")

使用时matplotlib.contourf通过

plt.contourf(intensity, 1000, cmap="Spectral_r")

我得到以下结果：

尽管它旋转了 180 度，但看起来还不错。但是我怎样才能摆脱 x 和 y 方向的失真并获得圆点呢？有没有更优雅的方法来平滑二维数组/矩阵？- 我读过一些关于内核密度估计（KDE）的东西，但它看起来很复杂。

---

编辑：应用 ´´´intensity_smooth = gaussian_filter(intensity, sigma=1, order=0)```的结果：

具有高强度的点正在溶解，但我想要在矩阵的两个值之间具有软过渡的尖锐强度最大值（见第一张图片）。

标签： numpymatplotlibmatrixheatmapsmoothing

Answer 1

不幸的是，我的回答令人误解。我有 2d 数据，想通过插值给定数据来摆脱盒子外观。为此，我在不同类型数据的线程插值方法中找到了 Andras Deak 的一个非常好的答案。绘图是通过使用matplotlib.contourfI've got this 完成的：

必须更改刻度线，但结果很好。