python 绘制三维核密度图

原创

mob64ca12f6066e 2024-09-10 06:02:38 ©著作权

©著作权归作者所有：来自51CTO博客作者mob64ca12f6066e的原创作品，请联系作者获取转载授权，否则将追究法律责任

使用Python绘制三维核密度图的步骤详解

三维核密度图是一种用于可视化多维数据分布的图形，能够帮助我们更好地理解数据的结构。对于刚入行的小白来说，虽然一开始可能觉得有些复杂，但只要掌握了步骤和代码，就能轻松驾驭。本文将逐步引导你完成这一任务。

流程概览

以下是绘制三维核密度图的步骤：

步骤	描述
1	导入所需库
2	生成或加载数据
3	创建三维核密度估计
4	可视化图形

每一步的详细说明

第一步：导入所需库

首先，我们需要导入一些用于绘图和数据处理的库，常用的有 numpy、matplotlib 和 scipy。

import numpy as np  # 导入数值计算库
import matplotlib.pyplot as plt  # 导入绘图库
from mpl_toolkits.mplot3d import Axes3D  # 导入3D绘图工具
from scipy.stats import gaussian_kde  # 导入高斯核密度估计

第二步：生成或加载数据

在这一步中，我们可以生成一些假数据，或是加载自己的数据集。这里我们用随机数据作为示例。

# 生成1000个三维随机点
data = np.random.rand(3, 1000)  # 生成3行1000列的随机数组

第三步：创建三维核密度估计

使用 gaussian_kde 方法来进行三维核密度估计。我们将数据传入，并计算其密度值。

kde = gaussian_kde(data)  # 创建高斯核密度估计对象
# 创建网格点以计算密度
x, y, z = np.mgrid[0:1:100j, 0:1:100j, 0:1:100j]  
positions = np.vstack([x.ravel(), y.ravel(), z.ravel()])  # 将网格点转化为一维数组
density = kde(positions).reshape(x.shape)  # 计算密度并重塑形状

第四步：可视化图形

最后，我们可以使用 matplotlib 的 3D 绘图库来可视化核密度估计结果。

fig = plt.figure(figsize=(10, 7))  # 创建图形对象
ax = fig.add_subplot(111, projection='3d')  # 添加3D子图
# 绘制密度图
ax.scatter(data[0], data[1], data[2], c=density.flatten(), s=2, alpha=0.5)  
ax.set_xlabel('X Label')  # 设置X轴标签
ax.set_ylabel('Y Label')  # 设置Y轴标签
ax.set_zlabel('Z Label')  # 设置Z轴标签
plt.title('3D Kernel Density Estimation')  # 设置图形标题
plt.show()  # 显示图形

代码整体展示

以上部分代码组合在一起看起来是这样的：

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

# 生成1000个三维随机点
data = np.random.rand(3, 1000)

# 创建高斯核密度估计对象
kde = gaussian_kde(data)
# 创建网格点以计算密度
x, y, z = np.mgrid[0:1:100j, 0:1:100j, 0:1:100j]
positions = np.vstack([x.ravel(), y.ravel(), z.ravel()])
density = kde(positions).reshape(x.shape)

# 可视化图形
fig = plt.figure(figsize=(10, 7))
ax = fig.add_subplot(111, projection='3d')
ax.scatter(data[0], data[1], data[2], c=density.flatten(), s=2, alpha=0.5)
ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')
plt.title('3D Kernel Density Estimation')
plt.show()

整体流程图示

sequenceDiagram
    participant Dev as 开发者
    participant Lib as 导入库
    participant Data as 生成数据
    participant KDE as 创建核密度估计
    participant Plot as 绘制图形

    Dev->>Lib: 导入所需库
    Dev->>Data: 生成或加载数据
    Dev->>KDE: 创建三维核密度估计
    Dev->>Plot: 可视化图形