我正在用Python进行内核密度估计,得到如下所示的轮廓和路径。(这是我的示例数据:https://pastebin.com/193PUhQf)。
from numpy import *
from math import *
import numpy as np
import matplotlib.pyplot as plt
from scipy import stats
x_2d = []
y_2d = []
data = {}
data['nodes'] = []
# here is the sample data:
# https://pastebin.com/193PUhQf
X = [.....]
for Picker in xrange(0, len(X)):
x_2d.append(X[Picker][0])
y_2d.append(X[Picker][1])
# convert to arrays
m1 = np.array([x_2d])
m2 = np.array([y_2d])
x_min = m1.min() - 30
x_max = m1.max() + 30
y_min = m2.min() - 30
y_max = m2.max() + 30
x, y = np.mgrid[x_min:x_max:200j, y_min:y_max:200j]
positions = np.vstack([x.ravel(), y.ravel()])
values = np.vstack([m1, m2])
kde = stats.gaussian_kde(values)
z = np.reshape(kde(positions).T, x.shape)
fig = plt.figure(2, dpi=200)
ax = fig.add_subplot(111)
pc = ax.pcolor(x, y, z)
cb = plt.colorbar(pc)
cb.ax.set_ylabel('Probability density')
c_s = plt.contour(x, y, z, 20, linewidths=1, colors='k')
ax.plot(m1, m2, 'o', mfc='w', mec='k')
ax.set_title("My Title", fontsize='medium')
plt.savefig("kde.png", dpi=200)
plt.show()
有一种使用R获得轮廓的类似方法,如下所述: http://bl.ocks.org/diegovalle/5166482
问:如何使用python脚本或作为起点实现相同的输出?
所需的输出应该类似于contours_tj.json,它可以由leaflet.js
lib使用。在
我的输入数据结构由三列组成,以逗号分隔:
如果简单地说,问题是,我希望使用numpy数组格式的输入文件获得与上述链接相同的输出。在
我的输入数据结构为列表类型:
^{pr2}$以下是前几行:
print X[0:5]
[[10.800584, 11.446064, 4478597], [10.576840,11.020229, 4644503], [11.434276,10.790881, 5570870], [11.156718,11.034633, 6500333], [11.054956,11.100243, 6513301]]
现在专注于此
有一种类似的方法可以使用R来获得轮廓,这里描述如下:http://bl.ocks.org/diegovalle/5166482
我要求您考虑Python中的rpy2包,如果这对您可行的话
http://rpy.sourceforge.net/rpy2/doc-2.4/html/introduction.html
geojsoncontour是一个python库,用于将matplotlib轮廓转换为geojson
geojsoncontour.contour_to_geojson
需要contour_levels
参数。pyplot.contour
中的级别是自动选择的,但是您可以使用c_s._levels
来访问它们因此,对于您的示例,您可以:
相关问题 更多 >
编程相关推荐