0

我知道 Geoviews 和 Holoviews 具有共同的属性，而 Hvplot 旨在成为所有这三个的高级绘图 API。

现在，来自 Matplotlib，我仍然难以适应在 Geoviews 或 Holoviews 中显示光栅图像所需的参数。

这是一个示例，我正在对空间数据进行核密度估计：

# add coordinates of observations
xy_train = np.vstack([y, x]).T
print(xy_train)
# [[5654810.66920637  413645.79802685]
# [5654712.51814666  412629.87266155]
# [5656120.03682466  411642.74943511]
# ...
# [5656316.96943554  411795.80163676]
# [5656299.73356505  411795.50717494]
# [5655756.85624901  411734.34680852]]

# create mesh
xbins=100j
ybins=100j
xx, yy = np.mgrid[left_bound:right_bound:xbins, 
                bottom_bound:top_bound:ybins]
xy_sample = np.vstack([yy.ravel(), xx.ravel()]).T
# compute Kernel Density here
# ..
kde = KernelDensity(kernel='gaussian', bandwidth=100, algorithm='ball_tree')
kde.fit(xy_train)
# get results
z = np.exp(kde.score_samples(xy_sample))
# reshape results to mesh
zz = z.reshape(xx.shape)
# plot in matplotlib
fig, ax_lst = plt.subplots(111)
levels = np.linspace(zz.min(), zz.max(), 25)
axis.contourf(xx, yy, zz, levels=levels, cmap='viridis')
axis.plot()
plt.show()

显示我的图像： 在此处输入图像描述

现在我想使用 pyviz 环境进行交互式显示和地图叠加，例如使用 Geoviews。

这以某种方式有效，但给了我一个错误：

xr_dataset = gv.Dataset(hv.Image((xx, yy, zz.T), datatype=['grid']), crs=ccrs.UTM(zone='33N'))

Image02195：图像尺寸 x 和 y 未均匀采样到 0.001 的相对容差。对于不规则采样的数据，请使用 QuadMesh 元素或在 hv.config.image_rtol 或 Image 构造函数中的 rtol 参数上设置更高的容差。

我仍然可以显示图像（分辨率有点低）。

gv.tile_sources.CartoLight.opts(width=800, height=480) * xr_dataset.to.image(['x', 'y']).opts(cmap='viridis', alpha=0.5)

在此处输入图像描述

.. 但是当我尝试在 Geoviews 中创建 FilledContours 时，它似乎不像在 matplotlib 中那样工作：

gv.FilledContours(xx, yy, zz, levels=levels, cmap='viridis')

ValueError: kdims 参数需要一个维度或维度列表，指定为元组、字符串、字典或维度实例，而不是 ndarray 类型。确保您将数据作为第一个参数传递。

该文档没有提供太多关于我应该如何格式化尺寸 ( hv.help(gv.FilledContours)) 的信息。我想当我需要从 numpy xx/yy 坐标网格（hv.Image((xx, yy, zz.T), datatype=['grid'])）创建栅格时，我会迷路。

有人可以解释 matplotlib Contourf 和 Holoviews/Geoviews/Hvplot FilledContours 所需的语法差异吗？

[编辑]

我找到了一种创建轮廓的方法，但尺寸问题仍然存在：

# get xarray dataset, suited for handling raster data in pyviz
xr_dataset = gv.Dataset(hv.Image((xx.T, yy.T, zz.T), bounds=(left_bound,bottom_bound,right_bound,top_bound), 
        kdims=[hv.Dimension('x'),  hv.Dimension('y')], datatype=['grid']), crs=ccrs.UTM(zone='33N'))
# Error: Image06593: Image dimension(s) x and y are not evenly sampled to relative tolerance of 0.001

# create contours from image
gv.FilledContours(xr_dataset)

# plot
gv.tile_sources.EsriImagery.opts(width=800, height=480) * gv.FilledContours(xr_dataset).opts(cmap='viridis', alpha=0.5)

在此处输入图像描述

4

1 回答 1

2

关于 HoloViews/GeoViews 元素的主要了解是，数据几乎总是被指定为第一个参数，这与 matplotlib 不同，其中数据通常使用多个参数指定。在您的情况下，您已经有了正确的 an 语法，Image但没有将其传递给其他元素。因此，为了具体化，构建一个图像你会做：

img = gv.Image((xx, yy, zz.T), crs=ccrs.UTM(zone='33N'))

但是，由于您有 2D 坐标数组而不是 Image 期望的 1D 坐标（在下一个版本中这将出错），因此您实际上有一个QuadMesh，它以相同的方式构造：

qmesh = gv.QuadMesh((xx, yy, zz.T), crs=ccrs.UTM(zone='33N'))

geoviews 也是如此FilledContours：

contours = gv.FilledContours((xx, yy, zz.T), crs=ccrs.UTM(zone='33N'))

总而言之，HoloViews 元素和 matplotlib 调用之间的区别在于 HoloViews 是数据的轻量级包装器，它允许您通过将每个坐标和值数组分配给键或值维度来赋予它们语义意义，而 matplotlib 使映射更多明确的。

HoloViews 了解许多用于定义像您这样的网格数据的格式，最简单的是 x/y 坐标数组和值数组的元组，它还可以理解不同数组的 xarray 对象和字典，如下所示：

contours = gv.FilledContours({'x': xx, 'y': yy, 'z': zz.T}, ['x', 'y'], 'z', crs=ccrs.UTM(zone='33N'))

在这种格式中，我们可以明确地看到“x”和“y”坐标数组如何映射到键维度，“z”值数组如何映射到值维度。

于 2019-03-01T14:12:54.980 回答