Python中MCMC生成的非均匀(1000,3)Numpy数据等高线图绘制问题

嘿，这个问题我之前也碰到过！contour()函数确实认死理——它要求输入的z必须是和x、y网格对应的二维数组，但你的MCMC采样点是散点分布的，不是规整的网格，所以直接传第三列肯定会报错。别担心，我们只需要把散点的密度值插值到一个均匀网格上就能解决，具体步骤如下：

1. 导入必要的库并提取数据 #

首先把你的数组拆分成x、y、z三个一维数组：

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import griddata

# 假设你的数据存储在名为data的(1000,3) numpy数组中
x = data[:, 0]
y = data[:, 1]
z = data[:, 2]

2. 创建均匀网格 #

我们需要生成一个覆盖所有采样点范围的均匀网格，这里可以用linspace定义网格的分辨率，再用meshgrid转换成二维网格：

# 定义网格的分辨率，比如100x100，数值越大图越精细
grid_resolution = 100
xi = np.linspace(x.min(), x.max(), grid_resolution)
yi = np.linspace(y.min(), y.max(), grid_resolution)
# 转换成二维网格
xi, yi = np.meshgrid(xi, yi)

3. 插值得到网格上的密度值 #

用griddata函数把散点的z值插值到刚才创建的均匀网格上，支持三种插值方法：

• 'nearest'：最近邻插值，速度最快，适合避免NaN值
• 'linear'：线性插值，平衡速度和精度，最常用
• 'cubic'：三次插值，精度最高但计算最慢

# 选择线性插值，你可以根据需求替换成其他方法
zi = griddata((x, y), z, (xi, yi), method='linear')

4. 绘制等高线图 #

现在有了二维的zi数组，就可以正常调用contour()或者contourf()（填充等高线）来绘图了：

plt.figure(figsize=(8, 6))
# 绘制等高线并添加标签
contour_plot = plt.contour(xi, yi, zi, levels=10)
plt.clabel(contour_plot, inline=True, fontsize=10)
# 添加坐标轴标签和标题
plt.xlabel('X Value')
plt.ylabel('Y Value')
plt.title('Contour Plot of MCMC Sampled Density')
plt.show()

小提示 #

如果你的采样点分布不均匀，某些区域没有数据，插值后可能会出现NaN值，这时候可以切换成method='nearest'来避免，或者用np.nan_to_num()把NaN替换成0或其他值。

内容的提问来源于stack exchange，提问作者wrahman