spherical_kde

球核密度估計

這些軟件包使您可以在球體上進行基本的內核密度估計。歡迎改進/擴展的建議。

基本原則是用von mises-fisher分佈替換內核密度估計中使用的傳統高斯函數。

帶寬估計仍然很粗糙。

示例用法

導入numpyfrom spherical_kde導入sphericalkdeimport matplotlib.pyplot作為pltimport cartopy.crsfrom matplotlib.gridspec導入gridspec導入gridspec，gridspececfromsubplotspec＃選擇一個用於確定性的plotnumpy.random.random.random.seed（seed = 0）的種子， （10， 10））gs_vert = gridspec（3，1）gs_lower = gridspecfromsubplotspec（1，2，subplot_spec = gs_vert [1]）圖.add_subplot（gs_vert [gs_vert [0]，projection = cartopy = cartopy.crs.mollweide（）） add_subplot （gs_lower [0]，投影= CATTOPY.CRS.ORTROGRACH（））圖.add_subplot（gs_lower [1]，投影= CATTOPY.CRS.ORTRAGRAGY（-10，45）） = cartopy.crs.platecarree（））＃選擇樣品的參數= 100pi = numpy.pi＃生成以（1,1）+/- 0.3 radianstheta_samples生成一些樣品，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）對於圖。軸：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'）