### Python 中 Matplotlib 绘制 Contour 图的最小单位 Matplotlib 的 `contour` 和 `contourf` 函数用于创建等高线图。这些函数接受的数据通常是二维数组形式，表示网格上的 z 值。对于最小单位的理解可以从以下几个方面来解释： #### 数据分辨率的影响 数据本身的分辨率决定了可以显示的最细粒度特征。如果输入给 `contour` 或者 `contourf` 的矩阵具有较高的分辨率，则能够描绘更精细的变化。 ```python import numpy as np import matplotlib.pyplot as plt # 创建一个较粗略的网格作为对比 X_coarse, Y_coarse = np.meshgrid(np.linspace(-3.0, 3.0, num=10), np.linspace(-3.0, 3.0, num=10)) Z_coarse = np.exp(-(X_coarse ** 2 + Y_coarse ** 2)) plt.figure(figsize=(8, 4)) CS = plt.contour(X_coarse, Y_coarse, Z_coarse) plt.clabel(CS, inline=True, fontsize=10) plt.title('Coarse Grid') plt.xlabel('x-axis') plt.ylabel('y-axis') plt.tight_layout() plt.show() # 创建一个更高分辨率的网格 X_fine, Y_fine = np.meshgrid(np.linspace(-3.0, 3.0, num=100), np.linspace(-3.0, 3.0, num=100)) Z_fine = np.exp(-(X_fine ** 2 + Y_fine ** 2)) plt.figure(figsize=(8, 4)) CS = plt.contour(X_fine, Y_fine, Z_fine) plt.clabel(CS, inline=True, fontsize=10) plt.title('Fine Grid') plt.xlabel('x-axis') plt.ylabel('y-axis') plt.tight_layout() plt.show() ``` #### 设置级别参数控制细节程度 通过调整 `levels` 参数可以直接影响到所绘图形中的等高线条数以及它们之间的间隔大小，从而改变视觉上呈现出来的“最小单位”。 ```python fig, axs = plt.subplots(1, 2, figsize=(12, 5)) # 使用较少级别的设置 CS1 = axs[0].contour(X_fine, Y_fine, Z_fine, levels=[0.1, 0.5, 0.9]) axs[0].clabel(CS1, inline=True, fontsize=10) axs[0].set_title('Few Levels') # 使用较多级别的设置 CS2 = axs[1].contour(X_fine, Y_fine, Z_fine, levels=np.arange(0.1, 1.0, 0.1)) axs[1].clabel(CS2, inline=True, fontsize=10) axs[1].set_title('Many Levels') for ax in axs.flat: ax.set(xlabel='x-axis', ylabel='y-axis') plt.tight_layout() plt.show() ``` 因此，在讨论 `matplotlib` 中绘制轮廓图时提到的“最小单位”，实际上是指由数据集本身决定的空间步长（即 X-Y 平面上相邻两点间的距离），以及通过配置 `levels` 来间接定义的高度方向上的增量[^1]。