如何绘制灰度对应高密度区、虚线等高线对应低密度区的密度场图？

• 核心思路：通过灰度热力底图+分层等高线的组合实现需求，用matplotlib的多个函数配合，替代单一的contour()：

1. 生成对数密度场数据
   先对原始数据做核密度估计（KDE），转换为网格上的对数密度值：

   import numpy as np
   from scipy.stats import gaussian_kde
   import matplotlib.pyplot as plt
   
   # 假设原始数据是二维数组x, y
   data = np.vstack([x, y])
   kde = gaussian_kde(data)
   
   # 创建网格
   xi, yi = np.mgrid[x.min():x.max():100j, y.min():y.max():100j]
   zi = kde(np.vstack([xi.flatten(), yi.flatten()]))
   log_zi = np.log(zi.reshape(xi.shape))  # 取对数得到对数密度场
   

2. 绘制灰度高密度底图
   用pcolormesh()绘制灰度热力图，反转色让亮区对应高密度：

   plt.pcolormesh(xi, yi, log_zi, cmap='gray_r', shading='auto')
   

3. 分层绘制等高线

   • 平均密度线：计算对数密度的均值，用实线绘制
   • 低密度等高线：设定低密度阈值（比如均值减1倍标准差），用虚线绘制

   # 绘制平均密度实线
   mean_density = np.mean(log_zi)
   plt.contour(xi, yi, log_zi, levels=[mean_density], linestyles='solid', colors='black')
   
   # 绘制低密度虚线等高线（可多设几个低于阈值的levels）
   low_density_threshold = mean_density - np.std(log_zi)
   plt.contour(xi, yi, log_zi, levels=np.linspace(log_zi.min(), low_density_threshold, 3), 
               linestyles='dashed', colors='gray')
   

4. 细节调整
   可按需添加颜色条、坐标轴标签，关闭多余边框等，让图更贴合参考样式。

内容的提问来源于stack exchange，提问作者qs liu