Я рисую плотность подсчетов с помощью imshow из matplotlib.pyplot, но я хотел бы иметь более плавный график.
Могу ли я применить какой-либо фильтр к этому?
сглаживание графика imshow с помощью matplotlib
11.12.2015
imshow, похоже, не имеет сглаживания, поэтому вам, вероятно, следует изучить сглаживание самого набора данных. См., например. этот пример 11.12.2015- Новая интерполяция по умолчанию в mpl 2.0 будет
'nearest'13.12.2015 - @tcaswell Это действительно дубликат? Хотя я согласен с тем, что решение такое же, я бы сказал, что заданный здесь вопрос не дублирует тот, на который вы ссылаетесь. Я легко могу представить, что кто-то, ищущий один из них, может не найти другой, основываясь на заданном вопросе. 13.12.2015
Ответы:
1
Попробуйте использовать аргумент интерполяции: ax.imshow(grid, interpolation=interp_method)
Если вы хотите вручную настроить силу фильтра, вы можете сделать что-то вроде (у scipy.ndimage много фильтров)
from scipy.ndimage.filters import gaussian_filter
arr=np.zeros((20,20))
arr[0,:]=3
arr[0,0]=20
arr[19,19]=30
arr[10:12,10:12]=10
filtered_arr=gaussian_filter(arr, sigma)
plt.imshow(filtered_arr)
чтобы получить (сверху слева: необработанное изображение, sigma=1,2,3): 
11.12.2015
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально
Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение
Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования
Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv)
Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..