有几种方法可以在3D中可视化结果

最简单的方法是在用于生成高斯KDE的点上对其求值,然后根据密度估计值对点上色。

例如:import numpy as np

from scipy import stats

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

mu=np.array([1,10,20])

sigma=np.matrix([[4,10,0],[10,25,0],[0,0,100]])

data=np.random.multivariate_normal(mu,sigma,1000)

values = data.T

kde = stats.gaussian_kde(values)

density = kde(values)

fig, ax = plt.subplots(subplot_kw=dict(projection='3d'))

x, y, z = values

ax.scatter(x, y, z, c=density)

plt.show()

如果你有一个更复杂的分布(也就是说,不是所有的分布都在一个平面上),那么你可能需要在一个规则的三维网格上计算KDE,并可视化体积的等值面(三维轮廓)。最容易使用Mayavi进行可视化:import numpy as np

from scipy import stats

from mayavi import mlab

mu=np.array([1,10,20])

# Let's change this so that the points won't all lie in a plane...

sigma=np.matrix([[20,10,10],

[10,25,1],

[10,1,50]])

data=np.random.multivariate_normal(mu,sigma,1000)

values = data.T

kde = stats.gaussian_kde(values)

# Create a regular 3D grid with 50 points in each dimension

xmin, ymin, zmin = data.min(axis=0)

xmax, ymax, zmax = data.max(axis=0)

xi, yi, zi = np.mgrid[xmin:xmax:50j, ymin:ymax:50j, zmin:zmax:50j]

# Evaluate the KDE on a regular grid...

coords = np.vstack([item.ravel() for item in [xi, yi, zi]])

density = kde(coords).reshape(xi.shape)

# Visualize the density estimate as isosurfaces

mlab.contour3d(xi, yi, zi, density, opacity=0.5)

mlab.axes()

mlab.show()

python 核密度估计_Python中的多元核密度估计相关推荐

  1. 核密度估计python_Python中的多元核密度估计

    有几种方法可以在3D中可视化结果. 最简单的方法是在您用来生成高斯KDE的点上评估高斯KDE,然后通过密度估计对点进行着色. 例如: import numpy as np from scipy imp ...

  2. python map用法_Python中ChainMap的一种实用用法

    Python部落(python.freelycode.com)组织翻译,禁止转载,欢迎转发. 简而言之ChainMap:将多个字典视为一个,解锁Python超能力. Python标准库中的集合模块包含 ...

  3. python基本统计量_Python中简单统计量的计算

    本篇文章给大家带来的内容是关于Python中简单统计量的计算,有一定的参考价值,有需要的朋友可以参考一下,希望对你有所帮助. 1.这些操作都要确保已经在电脑中安装好了Anaconda集成库,如果安装好 ...

  4. python解析原理_Python 中 -m 的典型用法、原理解析与发展演变

    在命令行中使用 Python 时,它可以接收大约 20 个选项(option),语法格式如下: python [-bBdEhiIOqsSuvVWx?] [-c command | -m module- ...

  5. python正则表达式空格_python中的正则表达式的使用

    一.正则表达式简介 正则表达式:又称正规表示式.正规表示法.正规表达式.规则表示式.常规表示法(英语:Regular Expression,在代码中常简写为regex.regexp或者是RE),是计算 ...

  6. python wraps模块_python中 wraps 的作用

    这里使用两段代码比较加入wraps装饰器后,函数打印的结果对比: 新建文件名:Testword 代码1:不加wraps装饰器 # coding=utf-8 from functools import ...

  7. 用python输出数组_Python 中输出数组中的全部元素

    只需要在开头加上一句即可 import numpy as np np.set_printoptions(threshold=np.inf) Python 输出到文本中 参考:https://blog. ...

  8. python支持向量机回归_Python中支持向量机SVM的使用方法详解

    除了在Matlab中使用PRTools工具箱中的svm算法,Python中一样可以使用支持向量机做分类.因为Python中的sklearn库也集成了SVM算法,本文的运行环境是Pycharm. 一.导 ...

  9. python正则表达式教程_Python中正则表达式的巧妙使用一文包你必掌握正则,

    Python中正则表达式的巧妙使用一文包你必掌握正则, 前言 正则表达式就是从字符串中发现规律,并通过"抽象"的符号表达出来.打个比方,对于2,5,10,17,26,37这样的数字 ...

最新文章

  1. Webpack模块化原理简析
  2. LeetCode Longest Repeating Character Replacement(滑动窗口)
  3. 福特第三代自动驾驶在美开启公开道路测试
  4. 性能提升约 7 倍!Apache Flink 与 Apache Hive 的集成
  5. 抖音计算机音乐你要我,抖音上很火的我要你快乐我要你快乐是什么歌?
  6. 场地测量的方法和程序_场地测量方案
  7. linux内核的裁剪和移植实验,实验5 linux内核的裁剪移植.doc
  8. 2021-2025年中国厨房橱柜行业市场供需与战略研究报告
  9. sqllite开发安卓项目_安卓学习笔记(一)
  10. Switch基本知识
  11. 新浪自媒体重新开放注册   一点资讯全面布局?
  12. 大数据可视化的方法和价值
  13. java mapxtreme_mapxtreme的地图绘制概念
  14. Win7 IE8首页强制成http://www.2345.com/?uuc
  15. 传感器实验——LCD显示SHT20
  16. centos 7 开启80,443端口
  17. 空巡店android,河北巡店管理系统终端使用手册(android).doc
  18. 如何把illustrator圆圈5等分?
  19. OFD开发系列(二)-模板填充
  20. 7zip@命令行压缩@解压缩7z/zip/等各种压缩格式包@查看压缩包内容

热门文章

  1. mfc对话框操作及命令行窗口隐藏
  2. 旅客提前购火车票无票 开车前12306现上千余票
  3. 隐喻是什么?我们为什么需要它
  4. android 求数组最大值,面试算法知识梳理(7) - 数组第四部分
  5. 真正成熟的男人不做的12件事
  6. 【转】一文详解MOS管,看完后醍醐灌顶!
  7. 大学计算机基础章节测试参考答案,《大学计算机基础)》章节测试答案.docx
  8. ssm+jsp计算机毕业设计语音管理平台的设计与实现1z50i(程序+lw+源码+远程部署)
  9. Java、JSP学生信息管理系统
  10. Doctype作用?