Tenho um conjunto de dados que se parece com {{x1, y1, z1}, {x2, y2, z2}, ...}
, então descreve pontos no espaço 3D . Quero fazer um mapa de calor com esses dados. Assim, pontos com alta densidade são mostrados como uma nuvem e marcados com cores diferentes dependendo da densidade.
Na verdade, eu quero o resultado desse script apenas para 3D:
data = RandomReal[1, {100, 2}]; SmoothDensityHistogram[data, 0.02, "PDF", ColorFunction -> "Rainbow", Mesh -> 0]
Comentários
Resposta
Se você deseja representar graficamente uma distribuição tridimensional, primeiro você precisa formá-la ! SmoothDensityHistogram
representa um histograma de kernel suave dos valores $ \ {x_i, y_i \} $, mas como temos dados tridimensionais aqui, precisamos da função chamada SmoothKernelDistribution
!
data = RandomReal[1, {1000, 3}]; dist = SmoothKernelDistribution[data];
Agora você tem a distribuição de probabilidade com três variáveis. Portanto, podemos simplesmente plotar o PDF
como um gráfico de contorno 3D usando ContourPlot3D
. Lembre-se de que essa função é considerada um pouco lenta.
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}]
Para cortar os contornos, usei a opção!
RegionFunction -> Function[{x, y, z}, x < z || z > y]
Para verificar se a densidade dos pontos de dados é responsável pela forma do contornos que podemos usar Graphics3D
pic = Graphics3D[{ColorData["DarkRainbow"][#[[3]]], PointSize -> Large, Point[#]} & /@ data, Boxed -> False]; Show[con, pic]
BR
EDITAR
Para seguir no exemplo 2D e obtenha cores quentes para densidades mais altas
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]]
Comentários
- Você pode ' usar
ListContourPlot3D
, editar deixa pra lá, o resultado é horrível. - Ótimo, obrigado, aquele script com a edição faz exatamente o trabalho! Uma coisa se eu combinar a imagem de ponto com o gráfico de contorno eu obtenho o seguinte: oi47.tinypic.com/34g7otd.jpg Eu marquei a área que está excluída de o gráfico de contorno, mas contém alguns pontos …
- @ user1936577 considere usar um nome de usuário mais simples;) Agora você também precisa usar a mesma exclusão em seus pontos para que todos os pontos não sejam mostrados. Você pode usar
Cases
ouSelect
para escolher os pontos relevantes. - acabei de alterar o nome;) Mas eu quero considerar todos os pontos em meu ContourPlot e agora ' estou pensando sobre esta área que marquei no link acima
Resposta
O código abaixo (adaptado aqui ) produz uma saída que é semelhante à função Image3D
que infelizmente está disponível apenas para Mathematica versão 9.
Alguns dados 3D aleatórios:
data = RandomReal[{-3, 3}, {5000, 3}];
Aqui especificamos o domínio para bin (-3, 3) e a resolução de binning:
binning = {-3, 3, .5};
O código real a produzir a figura:
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"]
Comentários
- voto positivo para você 🙂
- +1 por ser muito, muito mais rápido do que a resposta 1.
Image3D
…