spherical_kde

球核密度估计

这些软件包使您可以在球体上进行基本的内核密度估计。欢迎改进/扩展的建议。

基本原则是用von mises-fisher分布替换内核密度估计中使用的传统高斯函数。

带宽估计仍然很粗糙。

示例用法

导入numpyfrom spherical_kde导入sphericalkdeimport matplotlib.pyplot作为pltimport cartopy.crsfrom matplotlib.gridspec导入gridspec导入gridspec，gridspececfromsubplotspec＃选择一个用于确定性的plotnumpy.random.random.random.seed（seed = 0）的种子， （10，10））gs_vert = gridspec（3，1）gs_lower = gridspecfromsubplotspec（1，2，subplot_spec = gs_vert [1]）图.add_subplot（gs_vert [gs_vert [0]，projection = cartopy = cartopy.crs.mollweide（）） add_subplot（gs_lower [0]，投影= CATTOPY.CRS.ORTROGRACH（））图.add_subplot（gs_lower [1]，投影= CATTOPY.CRS.ORTRAGRAGY（-10，45）） = cartopy.crs.platecarree（））＃选择样品的参数= 100pi = numpy.pi＃生成以（1,1）+/- 0.3 radianstheta_samples生成一些样品，size = nsamples）phi_samples = numpy.random.normal（loc = 1，比例= 0.3，size = nsamples）phi_samples = numpy.mod.mod（phi_samples，pi*2）kde_green = sphericalkde（sphericalkde） ON（-1,1）+/- 0.4 radianstheta_samples = numpy.random.normal（loc = 1，scale = 0.4，size = nsamples）phi_samples = numpy.random.normal.normal（loc = -1，scale = 0.4，scale = 0.4，size = 0.4，size = 0.4 nsamples)phi_samples = numpy.mod(phi_samples, pi*2)kde_red = SphericalKDE(phi_samples, theta_samples)# Generate a spread of samples along latitude 2, height 0.1theta_samples = numpy.random.normal(loc=2, scale=0.1, size = nsamples）phi_samples = numpy.random.rand.uriform（low = -pi/2，high = pi/2，size = nsamples）phi_samples = numpy.mod.mod（phi_samples，pi*2）kde_blue = sphericalkde（sphericalkde） = 0.1）对于图。轴：ax.Set_global（）ax.gridlines（）ax.coastlines（lineWidth = 0.1）kde_green.plot（ax，'g'g'g'g'g'g'） 'r'）kde_blue.plot（ax，'b'）＃保存到plotfig.tight_layout（）fic.savefig（'plot.png'）