5

我有一组 2d 数据（30K）作为 txt 文件。

  X       Y
2.50    135.89
2.50    135.06
2.50    110.85
2.50    140.92
2.50    157.53
2.50    114.61
2.50    119.53
2.50    154.14
2.50    136.48
2.51    176.85
2.51    147.19
2.51    115.59
2.51    144.57
2.51    148.34
2.51    136.73
2.51    118.89
2.51    145.73
2.51    131.43
2.51    118.17
2.51    149.68
2.51    132.33

我用 gnuplot 绘制了散点图，但我想表示为 heatmap2d 或密度分布。我查看了 MatPlotLib 或 R 中的示例，它们似乎都已经从随机数据开始生成图像。

我尝试了这些代码并得到这样的错误

hist, edges = histogramdd([x,y], bins, range, normed, weights)

AttributeError: bins 的维度必须等于样本 x 的维度。脚本终止。

有什么方法可以打开 txt 文件并在 gnuplot、matplotlib 中绘制这些数据。我的散点图看起来像这样 在此处输入图像描述

我想将此图片显示为带有颜色代码栏的等高线图或密度图。我的 x 轴范围为 2.5-3.5，y 轴范围为 110-180 我有 30k 个数据点

4

2 回答 2

5

如果您愿意在 Python 中做所有事情，您可以计算直方图并在一个脚本中构建等高线图：

import numpy as np
import matplotlib.pyplot as plt

# load the data
M = np.loadtxt('datafile.dat', skiprows=1)

# compute 2d histogram
bins_x = 100
bins_y = 100
H, xedges, yedges = np.histogram2d(M[:,0], M[:,1], [bins_x, bins_y])

# xedges and yedges are each length 101 -- here we average
# the left and right edges of each bin
X, Y = np.meshgrid((xedges[1:] + xedges[:-1]) / 2,
                   (yedges[1:] + yedges[:-1]) / 2)

# make the plot, using a "jet" colormap for colors
plt.contourf(X, Y, H, cmap='jet')

plt.show()  # or plt.savefig('contours.pdf')

我刚刚做了一些由 2 个高斯组成的测试数据，得到了这个结果：

二维直方图的等高线图

于 2013-08-31T20:09:50.880 回答
2

这是使用 Python 预处理和使用 gnuplot 绘图的方法。

变体 1

第一个变体适用于 gnuplot 的pm3d绘图风格。这允许对直方图数据进行很好的插值，从而使图像看起来更平滑。但可能会给大型数据集带来问题，这也取决于输出图像格式（参见变体 2）。

Python脚本process.py用于numpy.histogram2d生成直方图，输出保存为gnuplot的nonuniform matrix格式。

# process.py
from __future__ import print_function
import numpy as np
import sys

M = np.loadtxt('datafile.dat', skiprows=1)
bins_x = 100
bins_y = 100
H, xedges, yedges = np.histogram2d(M[:,0], M[:,1], [bins_x, bins_y])

# output as 'nonuniform matrix' format, see gnuplot doc.
print(bins_x, end=' ')
np.savetxt(sys.stdout, xedges, newline=' ')
print()

for i in range(0, bins_y):
    print(yedges[i], end=' ')
    np.savetxt(sys.stdout, H[:,i], newline=' ')
    print(H[-1,i])

# print the last line twice, then 'pm3d corners2color' works correctly
print(yedges[-1], end=' ')
np.savetxt(sys.stdout, H[:,-1], newline=' ')
print(H[-1,-1])

要进行绘图，只需运行以下 gnuplot 脚本：

reset
set terminal pngcairo
set output 'test.png'
set autoscale xfix
set autoscale yfix
set xtics out
set ytics out
set pm3d map interpolate 2,2 corners2color c1
splot '< python process.py' nonuniform matrix t ''

变体 2

第二个变体适用于image绘图风格，它可能适用于大型数据集（大直方图大小），但看起来不太好，例如100x100矩阵：

# process2.py
from __future__ import print_function
import numpy as np
import sys

M = np.loadtxt('datafile.dat', skiprows=1)
bins_x = 100
bins_y = 200
H, xedges, yedges = np.histogram2d(M[:,0], M[:,1], [bins_x, bins_y])

# remap xedges and yedges to contain the bin center coordinates
xedges = xedges[:-1] + 0.5*(xedges[1] - xedges[0])
yedges = yedges[:-1] + 0.5*(yedges[1] - yedges[0])

# output as 'nonuniform matrix' format, see gnuplot doc.
print(bins_x, end=' ')
np.savetxt(sys.stdout, xedges, newline=' ')
print()

for i in range(0, bins_y):
    print(yedges[i], end=' ')
    np.savetxt(sys.stdout, H[:,i], newline=' ')
    print()

要进行绘图，只需运行以下 gnuplot 脚本：

reset
set terminal pngcairo
set output 'test2.png'
set autoscale xfix
set autoscale yfix
set xtics out
set ytics out
plot '< python process2.py' nonuniform matrix with image t ''

可能有一些地方需要改进（尤其是在 Python 脚本中），但它应该可以工作。我不发布结果图像，因为您显示的几个数据点看起来很难看;)。

于 2013-08-30T09:00:35.597 回答