Question

我有一大组矢量，我想通过观察极角θ和phi来分析这些方向。所以我从这些角度的2D数组开始。

我希望通过绘制直方图或者优先将核心密度绘制到球体上（或者2D投影，因为我只需要显示半个球体）来将其可视化。

如果我使用直角图的极角，那将是完全错误的，因为 - 举个例子 - 点θ= 1°，phi = 0°＆amp; 180°比θ= 30°更近，phi = 0°＆amp; 180°。分箱失败。

如果我使用投影的2D笛卡尔坐标作为直方图，我遇到了同样的问题：x = 0，y = 0＆amp;的点。 0.1比x = 0更接近，y = 0.5＆amp; 0.6。

现在我正在使用3D笛卡尔坐标的核密度估计：

from scipy import stats

X, Y, Z = [], [], []
for i in range(300):
    for j in range(500):
        X.append(np.sin(i / 300 * pi / 2) * np.cos(j / 500 * 2 * pi))
        Y.append(np.sin(i / 300 * pi / 2) * np.sin(j / 500 * 2 * pi))
        Z.append(np.cos(i / 300 * pi / 2))
X, Y, Z = np.array(X), np.array(Y), np.array(Z)
positions = np.vstack([X, Y, Z])
# x, y and z for my data: sin(theta) * cos(phi), sin(theta) * sin(phi), cos(theta)
values = np.vstack([np.sin(data[:, 1]) * np.cos(data[:, 2]), np.sin(data[:, 1]) * np.sin(data[:, 2]), np.cos(data[:, 1])])

fig, ax = subplots(1, figsize=(7, 7))

kernel = stats.gaussian_kde(values)
density = kernel(positions)

ax.tricontourf(X, Y, density, levels=np.linspace(0, max(density), 50))
plt.box('off')
ax.set_ylim((-1.01, 1.01))
ax.set_xlim((-1.01, 1.01))

这给了我： Polar density plot

我不知道a）这是否给出了正确的结果; b）如果没有更好的解决方案。

方向密度图（matplotlib）

0 个答案: