Question

我有一个包含大量（加权）方向的数据集。我想做一个很好的表示来测试/可视化在某些方向上是否存在方向簇。

首先我制作了三个2D极坐标图：我扔掉了一个维度并绘制了一个'windrose'，显示了方向指向其余两个维度的方向。这看起来效果很好：在这些表面中的两个表面中有一个或两个方向簇。然而，数据是3D，我希望看到所有这三个维度中的方向簇指向的位置。

然而，在3D中，问题变得更加困难。我的第一个猜测是制作一个“二维”极坐标图，将两个角度（倾角和方位角）中的两个角度组合在一起，并将其显示为图像。然而，现在，一些箱子在定向球体上表现出比其他箱子更大的表面区域（我认为这被称为极地奇点）。

我在Matlab中发现了这个关于这个问题的老线程：http://www.mathworks.nl/matlabcentral/newsreader/view_thread/236925，但是那里没有一个简单的解决方案：首先我宁愿不使用matlab，但是Python / Scipy，其次，我没有这个工具箱的许可证，第三，我宁愿拥有我知道它的代码。

任何人对Python / Num- / Scipy中的替代解决方案和/或方法都有任何想法？有没有一种很好的方法在类似尺寸的箱子上铺设2D网格？

Answer 1

这不是“在类似大小的垃圾箱上铺设2D网格”的解决方案，因为我不确定你的意思，但我认为可视化你的数据可能会很好。

如果您可以获取方向数据（列出3D矢量）并将其标准化，那么这可能会起作用：

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

orientation = np.random.random((3,50))
weight = np.random.randint(100, size=50)

ax.scatter(orientation[0], orientation[1], zs= orientation[2], s=weight)
plt.show()

它将绘制表示标准化方向向量的点和与每个方向相关的权重大小。

另外，更复杂但更符合您最初的想法，matplotlib 3D绘图教程中有这个片段：

from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

u = np.linspace(0, 2 * np.pi, 100)
v = np.linspace(0, np.pi, 100)

x = 10 * np.outer(np.cos(u), np.sin(v))
y = 10 * np.outer(np.sin(u), np.sin(v))
z = 10 * np.outer(np.ones(np.size(u)), np.cos(v))
ax.plot_surface(x, y, z,  rstride=4, cstride=4, color='b')

plt.show()

你需要的只是计算一个颜色图，它是一个数组，代表在图的每个细分中存在的加权密度，并将其作为颜色kwarg传递。（明天我会调查，但这应该让你开始）

python / scipy中三维方向的直方图

1 个答案: