如何在Gaussian KDE等高线图中显示各区域点数？附额外问题

主问题：在KDE等高线区域内显示包含的点数 #

你当前用固定网格直方图统计点数的方式不符合需求，因为等高线是基于密度的不规则区域，而非固定网格。正确思路是：先获取contourf生成的所有等高线闭合区域，再统计每个区域内的原始点数量，最后将数量标注在区域中心。

具体实现步骤：

1. 提取contourf对象的所有闭合路径（每个路径对应一个等高线区域）。
2. 对每个原始点，判断其所属的等高线区域。
3. 计算区域中心坐标，将统计得到的点数标注在对应位置。

额外问题：等高线图与散点图x轴范围不一致的原因及解决 #

原因是你生成xcontour时用了np.linspace(0, np.max(x), len(x))，而散点图的x轴默认匹配原始数据的完整范围（0到1，因为np.random.rand生成0-1区间的数），等高线图的x轴被限制到np.max(x)（略小于1），即使设置sharex=True，也会因等高线数据范围限制导致显示不一致。

解决方法：将xcontour和ycontour的范围设置为原始数据的完整区间（0到1），或直接用ax.set_xlim统一两个子图的轴范围。

修改后的完整代码 #

import matplotlib.pyplot as plt
import numpy as np
from scipy.stats import gaussian_kde
from matplotlib.path import Path

# 生成随机数据
x = np.random.rand(100)
y = np.random.rand(100)

# 创建带共享x轴的两个子图
fig, ax = plt.subplots(2, sharex=True)

# 生成覆盖完整数据范围的网格（解决轴范围不一致问题）
x_min, x_max = 0, 1
y_min, y_max = 0, 1
grid_size = 100
xcontour = np.linspace(x_min, x_max, grid_size)
ycontour = np.linspace(y_min, y_max, grid_size)
xv, yv = np.meshgrid(xcontour, ycontour)
positions = np.vstack([xv.ravel(), yv.ravel()])

# 计算高斯核密度估计
values = np.vstack([x, y])
kernel = gaussian_kde(values)
f = np.reshape(kernel(positions).T, xv.shape)

# 绘制等高线图
contour = ax[1].contourf(xv, yv, f, cmap='Blues')

# 统计每个等高线区域内的点数
points = np.vstack([x, y]).T
regions = contour.collections
point_counts = []

for region in regions:
    # 获取当前区域的所有路径
    paths = region.get_paths()
    count = 0
    for path in paths:
        # 判断每个点是否在当前路径围成的区域内
        inside = Path(path).contains_points(points)
        count += np.sum(inside)
    point_counts.append(count)

# 在每个等高线区域中心标注点数
for i, region in enumerate(regions):
    if point_counts[i] == 0:
        continue
    # 获取区域的边界框，计算中心坐标
    bbox = region.get_paths()[0].get_extents()
    cx = (bbox.x0 + bbox.x1) / 2
    cy = (bbox.y0 + bbox.y1) / 2
    ax[1].text(cx, cy, str(point_counts[i]), ha='center', va='center', color='white', fontweight='bold')

# 添加色条并设置标签
cbar = plt.colorbar(contour, ax=ax[1], shrink=.6)
cbar.ax.set_ylabel('Density')

# 设置子图标题和绘制散点图
ax[1].set_title('Density of points with point counts')
ax[0].scatter(x, y, s=1, marker=',')
ax[0].set_title('Raw scatter points')

# 统一轴范围（确保一致）
ax[0].set_xlim(x_min, x_max)
ax[1].set_xlim(x_min, x_max)

plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者Luigi