3D-heatmap-dichtheidsplot

Als u een driedimensionale verdeling wilt uitzetten, moet u deze eerst vormen ! SmoothDensityHistogram tekent een vloeiend kernelhistogram van de waarden $ \ {x_i, y_i \} $, maar aangezien we hier driedimensionale gegevens hebben, hebben we de functie SmoothKernelDistribution!

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

Nu heb je de kansverdeling met drie variabelen. We kunnen dus eenvoudig de PDF plotten als een 3D-contourplot met ContourPlot3D. Houd er rekening mee dat deze functie een beetje traag is.

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}] 

Om door de contouren te snijden heb ik de optie gebruikt!

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

Om te controleren of de dichtheid van de datapunten verantwoordelijk is voor de vorm van de contouren die we kunnen gebruiken Graphics3D

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

BR

EDIT

Om te volgen op het 2D-voorbeeld en krijg warme kleuren voor hogere dichtheden

 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]] 

Opmerkingen

• Kunnen ' je ListContourPlot3D, bewerken laat maar, het resultaat is vreselijk.
• Geweldig bedankt, dat script met de bewerking doet precies het werk! Eén ding als ik de puntafbeelding combineer met de contourplot, krijg ik het volgende: oi47.tinypic.com/34g7otd.jpg Ik heb het gebied gemarkeerd dat is uitgesloten van de contourplot maar bevat enkele punten …
• @ user1936577 overweeg alstublieft om een eenvoudigere gebruikersnaam te gebruiken;) Nu moet u ook dezelfde uitsluiting voor uw punten gebruiken, zodat niet alle punten worden weergegeven. Je kunt Cases of Select gebruiken om de relevante punten te kiezen.
• zojuist de naam gewijzigd;) Maar ik wil om alle punten in mijn ContourPlot in overweging te nemen en nu ' vraag ik me af over dit gebied dat ik in de bovenstaande link heb gemarkeerd

De onderstaande code (aangepast van hier ) produceert een uitvoer die vergelijkbaar is met de functie Image3D die helaas alleen beschikbaar is voor Mathematica versie 9.

Enkele willekeurige 3D-gegevens:

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

Hier specificeren we het domein naar bin (-3, 3) en de binning-resolutie:

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

De daadwerkelijke code die moet worden geproduceerd de figuur:

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"] 

Opmerkingen

• upvote voor jou 🙂
• +1 omdat je veel, veel sneller bent dan antwoord 1.