matplotlib---画等高线

contour - 绘制等高线

mp.contour(x, y, z, 等高线条数，colors=颜色, linewidth=线宽)#等高线绘制

contourf - 填充等高线

mp.contourf(x, y, z, 等高线条数，cmap=颜色映射)# 等高线填充

clabel - 标记等高线，向CS(由contour函数返回的matplotlib.contour.ContourSet对象)中的轮廓线添加标签

clabel(CS, *args, **kwargs)　

• CS - 由contour函数产生的句柄对象
• fontsize - string(smaller, x-large) or float ,optional
• colors - Color of each label
  • None, 标记的颜色为轮廓的颜色
  • one string color (e.g color = 'r' ), 所有的标签均为红色
  • a tuple of matplotlib color args (string, float, rgb, etc), 不同的标签按照指定的颜色标记
• inline - bool, optional . 默认True（在标签位值移除轮廓线，也即标签覆盖轮廓线，而非穿越）
• inline_spacing - float, optional，默认5，放置内联时，标签两侧留有的像素空间
• fmt - string or dict, optional， 默认'％1.3f '，保留小数位。1.3中的1表示输出位宽，3表示小数位长度，此时实际数据会覆盖掉该数据对应的轮廓线；当9.3时，轮廓线会被覆盖掉9个位置，同时小数点后保留3位，也就是说，轮廓线移除的长度大于数据长度
• manual - bool or iterable, optional , 手动添加标签。忽略该字典
• rightside_up - bool, optional，默认 True（标签旋转均以正负90度计）
• use_clabeltext - bool, optional，默认False，若为True，则用 `ClabelText` class (instead of `Text`) 创建标签，当使用“CababelTress”绘制文本时，会重新计算文本的旋转角度，因此，如果轴的角度发生变化时，可以使用“CababelTress”来旋转角度。

举例：One-class SVM

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.font_manager
from sklearn import svm
 
xx, yy = np.meshgrid(np.linspace(-5, 5, 500), np.linspace(-5, 5, 500))
# Generate train data
X = 0.3 * np.random.randn(100, 2)
X_train = np.r_[X + 2.4, X - 2.3]
X_test = np.r_[X + 2, X - 2]
# Generate some abnormal novel observations
X_outliers = np.random.uniform(low=0.1, high=4, size=(20, 2))
# fit the model
clf = svm.OneClassSVM(nu=0.1, kernel='rbf', gamma=0.1)
clf.fit(X_train)
y_pred_train = clf.predict(X_train)
y_pred_test = clf.predict(X_test)
y_pred_outliers = clf.predict(X_outliers)
n_error_train = y_pred_train[y_pred_train == -1].size
n_error_test = y_pred_test[y_pred_test == -1].size
n_error_outlier = y_pred_outliers[y_pred_outliers == 1].size
 
# plot the line , the points, and the nearest vectors to the plane
Z = clf.decision_function(np.c_[xx.ravel(), yy.ravel()])
Z = Z.reshape(xx.shape)
 
plt.title("Novelty Detection")
# 填充等高线图
plt.contourf(xx, yy, Z, levels=np.linspace(Z.min(), 0, 7), cmap=plt.cm.PuBu)
# 绘制等高线
a = plt.contour(xx, yy, Z, levels=[0, Z.max()], colors='palevioletred')
 
s = 40
b1 = plt.scatter(X_train[:, 0], X_train[:, 1], c='green', s=s, edgecolors='k')
b2 = plt.scatter(X_test[:, 0], X_test[:, 1], c='blueviolet', s=s, edgecolors='k')
c = plt.scatter(X_outliers[:, 0], X_outliers[:, 1], c='gold', s=s, edgecolors='k')
 
plt.axis('tight')
plt.xlim((-5, 5))
plt.ylim((-5, 5))
plt.legend([a.collections[0], b1, b2, c],
           ["learned frontier", 'training observations',
            "new regular observations", "new abnormal observations"],
           loc="upper left",
           prop=matplotlib.font_manager.FontProperties(size=11))
plt.xlabel("error train: %d/200; errors novel regular: %d/40; errors novel abnormal:%d/40" %
           (n_error_train, n_error_test, n_error_outlier))
plt.show()

参考文献：

【1】基于matplotlib的数据可视化 - 等高线 contour 与 contourf