3D-varmekart tetthetsplott

Hvis du vil tegne en fordeling som er tredimensjonal, må du først danne den ! SmoothDensityHistogram plotter et glatt kjernehistogram med verdiene $ \ {x_i, y_i \} $, men da vi har tredimensjonale data her, trenger vi funksjonen kalt SmoothKernelDistribution!

data = RandomReal[1, {1000, 3}]; dist = SmoothKernelDistribution[data]; 

Nå har du fått sannsynlighetsfordelingen med tre variabler. Så vi kan ganske enkelt plotte PDF som et 3d-konturplott ved hjelp av ContourPlot3D. Husk at denne funksjonen er kjent for å være litt treg.

ContourPlot3D[Evaluate@PDF[dist, {x, y, z}], {x, -2, 2}, {y, -2, 2}, {z, -2, 2}, PlotRange -> All, Mesh -> None, MaxRecursion -> 0, PlotPoints -> 160, ContourStyle -> Opacity[0.45], Mesh -> None, ColorFunction -> Function[{x, y, z, f}, ColorData["Rainbow"][z]], AxesLabel -> {x, y, z}] 

For å kutte gjennom konturene brukte jeg alternativet!

RegionFunction -> Function[{x, y, z}, x < z || z > y] 

For å kontrollere at datapunkttettheten er ansvarlig for formen på konturer kan vi bruke Graphics3D

pic = Graphics3D[{ColorData["DarkRainbow"][#[[3]]], PointSize -> Large, Point[#]} & /@ data, Boxed -> False]; Show[con, pic] 

BR

EDIT

For å følge opp på 2D-eksemplet og få varme farger for høyere tetthet

 data = RandomReal[1, {500, 3}]; dist = SmoothKernelDistribution[data]; ContourPlot3D[Evaluate@PDF[dist, {x, y, z}], {x, -2, 2}, {y, -2, 2}, {z, -2, 2},PlotRange -> All, Mesh -> None, MaxRecursion -> 0, PlotPoints -> 150, ContourStyle -> Opacity[0.45], Contours -> 5, Mesh -> None, ColorFunction -> Function[{x, y, z, f}, ColorData["Rainbow"][f/Max[data]]], AxesLabel -> {x, y, z}, RegionFunction -> Function[{x, y, z}, x < z || z > y]] 

Kommentarer

• Kan ' t du bruker ListContourPlot3D, rediger nevermind, resultatet er fryktelig.
• Stor takk, det skriptet med redigeringen gjør akkurat arbeidet! En ting hvis jeg kombinerer punktbildet med konturplottet, får jeg følgende: oi47.tinypic.com/34g7otd.jpg Jeg markerte området som er unntatt fra konturplottet, men inneholder noen punkter …
• @ user1936577 Vennligst vurder å bruke et enklere brukernavn;) Nå må du også bruke samme ekskludering på poengene dine, slik at alle punkter ikke vises. Du kan bruke Cases eller Select for å velge de aktuelle punktene.
• bare endret navnet;) Men jeg vil å vurdere alle punktene i ContourPlot og nå lurer jeg ' på dette området som jeg markerte i lenken over

Koden nedenfor (tilpasset fra her ) gir en utgang som ligner på funksjonen Image3D som dessverre bare er tilgjengelig for Mathematica versjon 9.

Noen tilfeldige 3D-data:

data = RandomReal[{-3, 3}, {5000, 3}]; 

Her spesifiserer vi domenet til kassen (-3, 3) og binningoppløsningen:

binning = {-3, 3, .5}; 

Den faktiske koden som skal produseres figuren:

binned = BinCounts[data, binning, binning, binning]; dims = Dimensions@binned; normbinned = N[binned/Max[binned]]; coordswithdataAll = Table[{normbinned[[x, y, z]], {x, y, z}}, {x, 1, dims[[1]]}, {y, 1, dims[[2]]}, {z, 1, dims[[3]]}]; coordswithdata = Table[Select[coordswithdataAll[[j, i]], #[[1]] != 0 &], {j, dims[[1]]}, {i, dims[[1]]}]; cubes = {ColorData["Rainbow"][#1], Opacity@#1, EdgeForm[], Cuboid@#2} &; output = ParallelMap[cubes @@ # &, coordswithdata, {3}]; Graphics3D[output, PlotRange -> Transpose[{ConstantArray[1, 3], dims + 1}], Lighting -> "Neutral"] 

Kommentarer

• stemmer for deg 🙂
• +1 for å være mye, mye raskere enn svar 1.