在matplotlib python中过滤出圆形边界

在matplotlib中过滤出圆形边界，可以通过以下步骤实现：

导入所需的库和模块：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.patches import Circle

创建一个图形对象和一个子图对象：

fig, ax = plt.subplots()

创建一个圆形对象，并设置其位置和半径：

circle = Circle((0.5, 0.5), 0.3)

其中，(0.5, 0.5)表示圆心的坐标，0.3表示圆的半径。

将圆形对象添加到子图对象中：

ax.add_patch(circle)

设置子图的坐标轴范围：

ax.set_xlim(0, 1)
ax.set_ylim(0, 1)

这里假设坐标轴范围为0到1。

过滤出圆形边界：

x = np.linspace(0, 1, 100)
y = np.linspace(0, 1, 100)
X, Y = np.meshgrid(x, y)
mask = circle.contains_points(np.column_stack((X.flatten(), Y.flatten())))

这里使用np.linspace生成0到1之间的100个均匀分布的点，然后使用np.meshgrid生成网格点坐标。circle.contains_points函数用于判断每个点是否在圆形内部，返回一个布尔数组，表示每个点是否在圆形内部。

绘制过滤后的圆形边界：

ax.plot(X[mask], Y[mask], 'ro')

这里使用'ro'表示红色的圆形标记。

显示图形：

plt.show()

完整代码如下：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.patches import Circle

fig, ax = plt.subplots()

circle = Circle((0.5, 0.5), 0.3)
ax.add_patch(circle)

ax.set_xlim(0, 1)
ax.set_ylim(0, 1)

x = np.linspace(0, 1, 100)
y = np.linspace(0, 1, 100)
X, Y = np.meshgrid(x, y)
mask = circle.contains_points(np.column_stack((X.flatten(), Y.flatten())))

ax.plot(X[mask], Y[mask], 'ro')

plt.show()

这样就可以在matplotlib中过滤出圆形边界，并将边界点用红色圆形标记显示出来。