利用matplotlib.mlab生成随机数据集并绘制面积填充图

Matplotlib是一个用于绘制图表的Python库，mlab是Matplotlib的一个子模块，用于生成一些常见的数据集。mlab模块包含了许多生成随机数据集的函数，可以用于模拟实验数据、进行数据分析等。

下面我们将介绍如何使用matplotlib.mlab生成随机数据集，并绘制一个面积填充图的使用例子。

首先，我们需要导入需要使用的库：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.mlab as mlab

接下来，我们使用mlab模块的bivariate_normal函数生成一个二元正态分布的随机数据集，并存储在变量data中：

data = mlab.bivariate_normal(0, 0, 1, 1, 0.5, size=1000)

其中，函数的参数分别是：均值(meanx, meany)，标准差(stdx, stdy)，相关系数(rho)，生成的数据数量(size)。

然后，我们可以使用pyplot模块中的plot函数绘制数据集的散点图：

plt.plot(data[:, 0], data[:, 1], 'o', markersize=1)

其中，data[:, 0]表示数据集的 列，data[:, 1]表示数据集的第二列，'o'表示散点的形状为圆，markersize表示散点的大小。

接下来，我们使用matplotlib.mlab中的griddata函数将数据集进行插值处理，生成一个平滑的二维网格数据：

grid_x, grid_y = np.mgrid[-3:3:0.1, -3:3:0.1]
grid_z = mlab.griddata(data[:, 0], data[:, 1], data[:, 0]*data[:, 1], grid_x, grid_y)

其中，np.mgrid[-3:3:0.1, -3:3:0.1]生成了一个-3到3的网格，网格步长为0.1。

最后，我们使用pyplot模块中的contourf函数绘制面积填充图：

plt.contourf(grid_x, grid_y, grid_z, cmap='RdYlBu')

其中，grid_x, grid_y是生成的二维网格数据的坐标，grid_z是生成的二维网格数据，cmap='RdYlBu'表示采用红黄蓝色彩映射。

完整的代码如下：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.mlab as mlab

data = mlab.bivariate_normal(0, 0, 1, 1, 0.5, size=1000)

plt.plot(data[:, 0], data[:, 1], 'o', markersize=1)

grid_x, grid_y = np.mgrid[-3:3:0.1, -3:3:0.1]
grid_z = mlab.griddata(data[:, 0], data[:, 1], data[:, 0]*data[:, 1], grid_x, grid_y)

plt.contourf(grid_x, grid_y, grid_z, cmap='RdYlBu')

plt.show()

运行以上代码，就可以生成一个带有面积填充图的二维散点图，颜色表示散点的密度分布情况，越深颜色越密集。根据需要，我们可以调整生成数据集的参数和绘图的样式，实现不同的效果。

通过利用matplotlib.mlab生成随机数据集，并绘制面积填充图，我们可以进行数据分析、模拟实验结果等，有助于理解和展示数据的分布情况。