Question

我有两个配对值的载体

size(X)=1e4 x 1; size(Y)=1e4 x 1

是否可以绘制某种类型的contour plot来制作最高密度点的轮廓？即最高聚类=红色，然后是其他地方的渐变色？

如果您需要更多说明，请询问。的问候，

示例数据：

X=[53 58 62 56 72 63 65 57 52 56 52 70 54 54 59 58 71 66 55 56];  
Y=[40 33 35 37 33 36 32 36 35 33 41 35 37 31 40 41 34 33 34 37 ];
 scatter(X,Y,'ro');

enter image description here

感谢大家的帮助。还记得我们可以使用hist3：

x={0:0.38/4:0.38}; % # How many bins in x direction
y={0:0.65/7:0.65}; % # How many bins in y direction

ncount=hist3([X Y],'Edges',[x y]);
pcolor(ncount./sum(sum(ncount)));
colorbar

任何人都知道为什么hist3中的edges必须是细胞？

Answer 1

这基本上是一个关于估算生成数据的概率密度函数然后以一种良好而有意义的方式将其可视化的问题。为此，我建议使用比直方图更平滑的估计，例如Parzen窗口化（直方图方法的推广）。

在下面的代码中，我使用了您的示例数据集，并根据数据范围估算了网格中的概率密度。这里有3个变量需要调整以用于原始数据; Borders，Sigma和stepSize。

Border = 5;
Sigma = 5;
stepSize = 1;

X=[53 58 62 56 72 63 65 57 52 56 52 70 54 54 59 58 71 66 55 56];  
Y=[40 33 35 37 33 36 32 36 35 33 41 35 37 31 40 41 34 33 34 37 ];
D = [X' Y'];
N = length(X);


Xrange = [min(X)-Border max(X)+Border];
Yrange = [min(Y)-Border max(Y)+Border];


%Setup coordinate grid
[XX YY] = meshgrid(Xrange(1):stepSize:Xrange(2), Yrange(1):stepSize:Yrange(2));
YY = flipud(YY);

%Parzen parameters and function handle
pf1 = @(C1,C2) (1/N)*(1/((2*pi)*Sigma^2)).*...
         exp(-( (C1(1)-C2(1))^2+ (C1(2)-C2(2))^2)/(2*Sigma^2));

PPDF1 = zeros(size(XX));    

%Populate coordinate surface
[R C] = size(PPDF1);
NN = length(D);
for c=1:C
   for r=1:R 
       for d=1:N 
            PPDF1(r,c) = PPDF1(r,c) + ...
                pf1([XX(1,c) YY(r,1)],[D(d,1) D(d,2)]); 
       end
   end
end


%Normalize data
m1 = max(PPDF1(:));
PPDF1 = PPDF1 / m1;

%Set up visualization
set(0,'defaulttextinterpreter','latex','DefaultAxesFontSize',20)
fig = figure(1);clf
stem3(D(:,1),D(:,2),zeros(N,1),'b.');
hold on;

%Add PDF estimates to figure
s1 = surfc(XX,YY,PPDF1);shading interp;alpha(s1,'color');
sub1=gca;
view(2)
axis([Xrange(1) Xrange(2) Yrange(1) Yrange(2)])

enter image description here

请注意，此可视化实际上是三维的：

enter image description here

Answer 2

在mathworks网站上观看这个4分钟的视频：

http://blogs.mathworks.com/videos/2010/01/22/advanced-making-a-2d-or-3d-histogram-to-visualize-data-density/

我认为这应该提供您所需要的功能。

Answer 3

我将绘图所覆盖的区域划分为网格，然后计算网格每个方格中的点数。这是一个如何做到这一点的例子。

% Get random data with high density
X=randn(1e4,1);
Y=randn(1e4,1);

Xmin=min(X);
Xmax=max(X);
Ymin=min(Y);
Ymax=max(Y);
% guess of grid size, could be divided into nx and ny
n=floor((length(X))^0.25); 

% Create x and y-axis
x=linspace(Xmin,Xmax,n);
y=linspace(Ymin,Ymax,n);
dx=x(2)-x(1);
dy=y(2)-y(1);
griddata=zeros(n);
for i=1:length(X)
    % Calculate which bin the point is positioned in
    indexX=floor((X(i)-Xmin)/dx)+1;
    indexY=floor((Y(i)-Ymin)/dy)+1;
    griddata(indexX,indexY)=griddata(indexX,indexY)+1;
end
contourf(x,y,griddata)

编辑：Marm0t在回答中的视频使用相同的技术，但可能以更好的方式解释它。

通过聚类点matlab着色的等高线图

3 个答案: