平滑地绘制2d中的散点
主要问题：
我写了一个小射线追踪代码。这就是所谓的前向射线追踪，所以射线实际上是在源头产生的，旅行到唯一的一面镜子并反射出来。随后，我计算出每条射线与我所选择的平面的交集，我称之为探测器。我在探测器上打印的是(x，y)的散点图，就像这样：
import matplotlib.pyplot as plt
import numpy as np
import random
x = np.zeros(1000)
y = np.zeros(1000)
for i in range(len(x)):
x[i] = random.random()
y[i] = random.random()
plt.plot(x,y,'k,')
plt.show()现在，我正在寻找一种方法，将点击的密度分布(强度)表示为平滑的图像，如这 1。
因此，每个像素的灰度应该对应于周围斑块中的密度。但是我所需要的一切看起来都是像z=f(x，y)这样的3D数组。
也尝试了hexbin()，但是它不够光滑，对于非常小的回收箱，它变得太慢了，而且与我所拥有的非常相似。
有什么我可以用的吗？
次要问题：
我需要添加另一个维度，因为我对入射射线的平行性感兴趣。一种选择是将其定义如下：
- 计算a+ a*b，其中：
A=入射射线与探测器法线之间的夹角
B=入射射线与y-z平面之间的夹角(射线大致平行于这一平面)。
- 这个量的平均值
- 偏离每一击的平均值
我想通过在灰度上添加颜色，把这两种信息结合在一起。这可行吗？
我对编程很陌生，任何提示、解释或其他想法都会很感激。
回答 2
Stack Overflow用户
发布于 2012-09-05 03:27:04
我不认为你能像你提到的那样做个2d图像。你需要第三维空间来描述(x，y)的信号强度。下面是一个快速而肮脏的例子：
import matplotlib.pyplot as plt
import matplotlib.cm as cm
import numpy as np
# just creating random data with a bunch of 2d gaussians
def gauss2d(x, y, a, x0, y0, sx, sy):
return a * (np.exp(-((x - x0) / sx)**2 / 2.)
* np.exp(-((y - y0) / sy)**2 / 2.))
imsize = 1000
im = np.zeros((imsize, imsize), dtype=float)
ng = 50
x0s = imsize * np.random.random(ng)
y0s = imsize * np.random.random(ng)
sxs = 100. * np.random.random(ng)
sys = sxs #100. * np.random.random(ng)
amps = 100 + 100 * np.random.random(ng)
for x0, y0, sx, sy, amp in zip(x0s, y0s, sxs, sys, amps):
nsig = 5.
xlo, xhi = int(x0 - nsig * sx), int(x0 + nsig * sx)
ylo, yhi = int(y0 - nsig * sy), int(y0 + nsig * sy)
xlo = xlo if xlo >= 0 else 0
xhi = xhi if xhi <= imsize else imsize
ylo = ylo if ylo >= 0 else 0
yhi = yhi if yhi <= imsize else imsize
nx = xhi - xlo
ny = yhi - ylo
imx = np.tile(np.arange(xlo, xhi, 1), ny).reshape((ny, nx))
imy = np.tile(np.arange(ylo, yhi, 1), nx).reshape((nx, ny)).transpose()
im[ylo:yhi, xlo:xhi] += gauss2d(imx, imy, amp, x0, y0, sx, sy)
plt.imshow(im, cmap=cm.gray)
plt.show()基本上，你把数据当作一个来自CCD的2d图像，每个像素都包含信号强度。
(我实际上要补充的是，根据您试图突出显示的数据中的内容，您可能希望使用散点图，但是要改变点的大小/不透明度来显示您的信息.这真的取决于你在努力实现什么。)
我并不完全理解你想要用光线强度来绘制什么，但是如果你要用一个角度拍摄一条射线，你需要计算出光线在平面上的投影强度。这和你和Matplotlib的情节不同。
Stack Overflow用户
发布于 2012-09-05 12:52:45
我想你的主要问题包括两个主要步骤:第一，计算散点点的密度函数，第二步实际绘制它。因此，如果有一个函数z= f(x，y)，其中z是点(x，y)处的估计密度，您可以使用您已经研究过的matplotlib方法。
至于第一步，我建议看看scipy.stats.kde中的内核密度估计例程。基本上你知道
density = scipy.stats.gaussian_kde(scatterpoints)，然后可以计算每个点的密度。
z = density([x,y])https://stackoverflow.com/questions/12271140
复制相似问题
腾讯云开发者
