热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

python散点密度图_Origin实用插件之散点密度热图(DensityFilter)

前言:在统计样点在二维空间中的分布情况时常常会使用到散点密度热图,我们知道在R语言中有专用的绘图函数smoothScatter()可以实现,

前言:

在统计样点在二维空间中的分布情况时常常会使用到

散点密度热图

,我们知道在 R 语言中有专用的绘图函数 smoothScatter ()可以实现,在 MATLAB 中也有可以用 plotScat.m 的内嵌函数,在 Python 中可以使用 pandas和MatPlotLib 中的相应功能,那么在 Origin 中如何绘制散点密度图呢?

本期插件介绍:

本期要介绍的插件是 OriginLab 官方技术支持团队提供的"

Density Filter

"插件,这个插件用于通过二维散点图数据绘制密度热图。类似的插件有

Kernel Density Plot

用于极坐标系下的散点数据转密度热图,

Gaussian Mixture Models

可以通过高斯混合模型计算二维热力图,这三个插件功能和操作类似,本期以

Density Filter

为例,插件支持的最低 Origin 版本为 Origin2019(9.6)。

插件官方地址:

https://www.originlab.com/fileExchange/details.aspx?fid=464

插件下载备用:

https://pan.baidu.com/s/1IYvXdABRu_w8E1bdSiE1pw

提取码:itks

插件安装:

Origin 插件下载完成后是后缀为".opx"的文件,只需先打开 Origin 软件然后将".opx"文件拖曳进 Origin 面板内即可完成安装,安装过程不会有提示出现,在面板右侧 Apps 窗口中如果有了相应的插件图标(图标灰色并非不可用)即说明安装成功。

具体介绍:

首先我们要准备一组散点数据,这里我使用 Origin 内嵌的 Python 环境和 Code Builder 工具生成了一组沿直线分布的随机点,并将 Python 中的数据加载进 Origin 的工作表:

在 Origin 的 Command Window 运行编辑好的成程序即可在工作区生成一个新的名为“MyData”的表单,在第一页载入了散点数据。(PS:如果大家感兴趣可以出一期 Origin+Python 环境搭建的教程)

用上期介绍过的 Graph Maker 工具可以快速预览散点分布的情况,如下:

现在选中两列数据,运行 Density Filter 插件,其中 Input 为原始数据,在 Rows 中可以选择数据范围,Setting 可以设置密度计算方式,第二个参数用于设定输出热图的分辨率(参数设置过大会导致处理时间较长),Grid Range 用于设置热图的空间范围。

设置完成后点击 OK 即可生成,效果如下,同时生成的一个工作表内部存放了计算得到的二维密度分布数据:

可以在设置对话框修改配色,如果需要使用自定义配色可以参考 Color Editor 插件的教程生成并保存自定义 Palette,当然也可以通过 Tool->Palette Editor 生成和保存新的配色。

小结:

绘制散点数据的密度热图如要在原生的 Origin 环境中较难实现,通过 Density Filter 插件可以方便的生成,但是这个插件也存在算法单一的问题,如果需要调整热图的计算算法可以尝试 Gaussian Mixture Models,该插件有着更灵活的应用范围和更丰富的计算方式。



推荐阅读
  • 阿里Treebased Deep Match(TDM) 学习笔记及技术发展回顾
    本文介绍了阿里Treebased Deep Match(TDM)的学习笔记,同时回顾了工业界技术发展的几代演进。从基于统计的启发式规则方法到基于内积模型的向量检索方法,再到引入复杂深度学习模型的下一代匹配技术。文章详细解释了基于统计的启发式规则方法和基于内积模型的向量检索方法的原理和应用,并介绍了TDM的背景和优势。最后,文章提到了向量距离和基于向量聚类的索引结构对于加速匹配效率的作用。本文对于理解TDM的学习过程和了解匹配技术的发展具有重要意义。 ... [详细]
  • 云原生边缘计算之KubeEdge简介及功能特点
    本文介绍了云原生边缘计算中的KubeEdge系统,该系统是一个开源系统,用于将容器化应用程序编排功能扩展到Edge的主机。它基于Kubernetes构建,并为网络应用程序提供基础架构支持。同时,KubeEdge具有离线模式、基于Kubernetes的节点、群集、应用程序和设备管理、资源优化等特点。此外,KubeEdge还支持跨平台工作,在私有、公共和混合云中都可以运行。同时,KubeEdge还提供数据管理和数据分析管道引擎的支持。最后,本文还介绍了KubeEdge系统生成证书的方法。 ... [详细]
  • 无损压缩算法专题——LZSS算法实现
    本文介绍了基于无损压缩算法专题的LZSS算法实现。通过Python和C两种语言的代码实现了对任意文件的压缩和解压功能。详细介绍了LZSS算法的原理和实现过程,以及代码中的注释。 ... [详细]
  • 不同优化算法的比较分析及实验验证
    本文介绍了神经网络优化中常用的优化方法,包括学习率调整和梯度估计修正,并通过实验验证了不同优化算法的效果。实验结果表明,Adam算法在综合考虑学习率调整和梯度估计修正方面表现较好。该研究对于优化神经网络的训练过程具有指导意义。 ... [详细]
  • 欢乐的票圈重构之旅——RecyclerView的头尾布局增加
    项目重构的Git地址:https:github.comrazerdpFriendCircletreemain-dev项目同步更新的文集:http:www.jianshu.comno ... [详细]
  • JavaScript和HTML之间的交互是经由过程事宜完成的。事宜:文档或浏览器窗口中发作的一些特定的交互霎时。能够运用侦听器(或处置惩罚递次来预订事宜),以便事宜发作时实行相应的 ... [详细]
  • Explain如何助力SQL语句的优化及其分析方法
    本文介绍了Explain如何助力SQL语句的优化以及分析方法。Explain是一个数据库SQL语句的模拟器,通过对SQL语句的模拟返回一个性能分析表,从而帮助工程师了解程序运行缓慢的原因。文章还介绍了Explain运行方法以及如何分析Explain表格中各个字段的含义。MySQL 5.5开始支持Explain功能,但仅限于select语句,而MySQL 5.7逐渐支持对update、delete和insert语句的模拟和分析。 ... [详细]
  • 十大经典排序算法动图演示+Python实现
    本文介绍了十大经典排序算法的原理、演示和Python实现。排序算法分为内部排序和外部排序,常见的内部排序算法有插入排序、希尔排序、选择排序、冒泡排序、归并排序、快速排序、堆排序、基数排序等。文章还解释了时间复杂度和稳定性的概念,并提供了相关的名词解释。 ... [详细]
  • 颜色迁移(reinhard VS welsh)
    不要谈什么天分,运气,你需要的是一个截稿日,以及一个不交稿就能打爆你狗头的人,然后你就会被自己的才华吓到。------ ... [详细]
  • centos6.8 下nginx1.10 安装 ... [详细]
  • 在Kubernetes上部署JupyterHub的步骤和实验依赖
    本文介绍了在Kubernetes上部署JupyterHub的步骤和实验所需的依赖,包括安装Docker和K8s,使用kubeadm进行安装,以及更新下载的镜像等。 ... [详细]
  • 在Docker中,将主机目录挂载到容器中作为volume使用时,常常会遇到文件权限问题。这是因为容器内外的UID不同所导致的。本文介绍了解决这个问题的方法,包括使用gosu和suexec工具以及在Dockerfile中配置volume的权限。通过这些方法,可以避免在使用Docker时出现无写权限的情况。 ... [详细]
  • 在Android开发中,使用Picasso库可以实现对网络图片的等比例缩放。本文介绍了使用Picasso库进行图片缩放的方法,并提供了具体的代码实现。通过获取图片的宽高,计算目标宽度和高度,并创建新图实现等比例缩放。 ... [详细]
  • 这是原文链接:sendingformdata许多情况下,我们使用表单发送数据到服务器。服务器处理数据并返回响应给用户。这看起来很简单,但是 ... [详细]
  • 这是一个愚蠢的问题,但我只是对此感到好奇.假设我在Pythonshell,我有一些我查询的数据库对象.我做:db.query(的queryString)该查询在0xffdf842c ... [详细]
author-avatar
cr罗详青
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有