gpt4 book ai didi

python - 将 2-D gaussian_kde 输出/meshgrid 保存到 csv python

转载 作者:太空宇宙 更新时间:2023-11-03 18:45:12 25 4
gpt4 key购买 nike

我对Python非常陌生(具有纯.net背景),我正在使用this生成二维 kde 分析的教程。

生成一些随机二维数据:

from scipy import stats
def measure(n):
"Measurement model, return two coupled measurements."
m1 = np.random.normal(size=n)
m2 = np.random.normal(scale=0.5, size=n)
return m1+m2, m1-m2
m1, m2 = measure(2000)
xmin = m1.min()
xmax = m1.max()
ymin = m2.min()
ymax = m2.max()

对数据执行核密度估计:

X, Y = np.mgrid[xmin:xmax:100j, ymin:ymax:100j]
positions = np.vstack([X.ravel(), Y.ravel()])
values = np.vstack([m1, m2])
kernel = stats.gaussian_kde(values)
Z = np.reshape(kernel(positions).T, X.shape)

绘制结果:

import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111)
ax.imshow(np.rot90(Z), cmap=plt.cm.gist_earth_r,
extent=[xmin, xmax, ymin, ymax])
ax.plot(m1, m2, 'k.', markersize=2)
ax.set_xlim([xmin, xmax])
ax.set_ylim([ymin, ymax])
plt.show()

我需要将其输出为 csv 或其他可解析格式,以便我可以在 .net 应用程序上呈现它。我查看了 pmeshcolor 方法,它可以生成 svg,但对于大型数据集来说,它变得非常巨大。

我需要类似以下内容,以便我可以在 .net 应用程序上进一步过滤它

输入:

x1 y1  
x2 y2
x3 y3

...(或者它可以用逗号分隔,基本上我将从形状文件中提取它或直接从数据库中获取,我主要关心的是输出)

预期输出

x1 y1 value_from_kde  
x2 y2 value_from_kde
x3 y3 value_from_kde

...其中 value_from_kde 是 gaussian_kde 函数针对该特定点的输出,我知道 gaussian_kde 使用网格来执行此分析,如果此点对点值不可能,则其输出也是网格,一个带有关联的矩形值也可以接受,例如

矩形坐标[p1 p2 p3 p4] value_from_kde

输出不应包含 value_from_kde 为零的记录。

注意:保持矩形坐标与输入的格式相同非常重要,这样我就可以使用相同的投影进行渲染,就像我使用 x,y 以 UTM 格式输入 kde 一样,如下所示 671290.9984 2727340.004

最佳答案

您似乎只想将生成的 x,y,值输出到文件以供以后处理(省略零值)。如果是这样,您可能不想 reshape Z 以简化输出过程(即我的 Z1)

fid = open('output.csv','w')
Z1 = (kernel(positions).T, X.shape)
Z = kernel(positions).T
#for currentIndex,elem in enumerate(positions):
for currentIndex,elem in enumerate(Z):
#if Z1[currentIneex]>0:
s1 = '%f %f %f\n'%(positions[0][currentIndex], positions[1][currentIndex], Z[currentIndex] )

fid.write(s1)
fid.close()

我是否遗漏了你的问题?

关于python - 将 2-D gaussian_kde 输出/meshgrid 保存到 csv python,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/19700982/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com