資訊專欄INFORMATION COLUMN
摘要：在我們科研工作中，將數(shù)據(jù)完美展現(xiàn)出來尤為重要。數(shù)據(jù)可視化是以數(shù)據(jù)為視角，探索世界。我們真正想要的是數(shù)據(jù)視覺，以數(shù)據(jù)為工具，以可視化為手段，目的是描述真實，探索世界。
在我們科研、工作中，將數(shù)據(jù)完美展現(xiàn)出來尤為重要。
數(shù)據(jù)可視化是以數(shù)據(jù)為視角，探索世界。我們真正想要的是 — 數(shù)據(jù)視覺，以數(shù)據(jù)為工具，以可視化為手段，目的是描述真實，探索世界。
下面介紹一些數(shù)據(jù)可視化的作品（包含部分代碼），主要是地學領域，可遷移至其他學科。
Example 1 ：散點圖、密度圖（Python）
import numpy as npimport matplotlib.pyplot as plt# 創(chuàng)建隨機數(shù)n = 100000x = np.random.randn(n)y = (1.5 * x) + np.random.randn(n)fig1 = plt.figure()plt.plot(x,y,".r")plt.xlabel("x")plt.ylabel("y")plt.savefig("2D_1V1.png",dpi=600)nbins = 200H, xedges, yedges = np.histogram2d(x,y,bins=nbins)# H needs to be rotated and flippedH = np.rot90(H)H = np.flipud(H)# 將zeros maskHmasked = np.ma.masked_where(H==0,H) # Plot 2D histogram using pcolorfig2 = plt.figure()plt.pcolormesh(xedges,yedges,Hmasked) plt.xlabel("x")plt.ylabel("y")cbar = plt.colorbar()cbar.ax.set_ylabel("Counts")plt.savefig("2D_2V1.png",dpi=600)plt.show()Example 2 ：雙Y軸（Python）
import csvimport pandas as pdimport matplotlib.pyplot as pltfrom datetime import datetimedata=pd.read_csv("LOBO0010-2020112014010.tsv",sep="/t")time=data["date [AST]"]sal=data["salinity"]tem=data["temperature [C]"]print(sal)DAT = []for row in time:DAT.append(datetime.strptime(row,"%Y-%m-%d %H:%M:%S"))#create figurefig, ax =plt.subplots(1)# Plot y1 vs x in blue on the left vertical axis.plt.xlabel("Date [AST]")plt.ylabel("Temperature [C]", color="b")plt.tick_params(axis="y", labelcolor="b")plt.plot(DAT, tem, "b-", linewidth=1)plt.title("Temperature and Salinity from LOBO (Halifax, Canada)")fig.autofmt_xdate(rotation=50) # Plot y2 vs x in red on the right vertical axis.plt.twinx()plt.ylabel("Salinity", color="r")plt.tick_params(axis="y", labelcolor="r")plt.plot(DAT, sal, "r-", linewidth=1) #To save your graphplt.savefig("saltandtemp_V1.png" ,bbox_inches="tight")plt.show()Example 3：擬合曲線（Python）
import csvimport numpy as npimport pandas as pdfrom datetime import datetimeimport matplotlib.pyplot as pltimport scipy.signal as signaldata=pd.read_csv("LOBO0010-20201122130720.tsv",sep="/t")time=data["date [AST]"]temp=data["temperature [C]"]datestart = datetime.strptime(time[1],"%Y-%m-%d %H:%M:%S")DATE,decday = [],[]for row in time: daterow = datetime.strptime(row,"%Y-%m-%d %H:%M:%S") DATE.append(daterow) decday.append((daterow-datestart).total_seconds()/(3600*24))# First, design the Buterworth filterN = 2 # Filter orderWn = 0.01 # Cutoff frequencyB, A = signal.butter(N, Wn, output="ba")# Second, apply the filtertempf = signal.filtfilt(B,A, temp)# Make plotsfig = plt.figure()ax1 = fig.add_subplot(211)plt.plot(decday,temp, "b-")plt.plot(decday,tempf, "r-",linewidth=2)plt.ylabel("Temperature (oC)")plt.legend(["Original","Filtered"])plt.title("Temperature from LOBO (Halifax, Canada)")ax1.axes.get_xaxis().set_visible(False) ax1 = fig.add_subplot(212)plt.plot(decday,temp-tempf, "b-")plt.ylabel("Temperature (oC)")plt.xlabel("Date")plt.legend(["Residuals"])plt.savefig("tem_signal_filtering_plot.png", bbox_inches="tight")plt.show()Example 4：三維地形（Python）
# This import registers the 3D projectionfrom mpl_toolkits.mplot3d import Axes3D from matplotlib import cbookfrom matplotlib import cmfrom matplotlib.colors import LightSourceimport matplotlib.pyplot as pltimport numpy as npfilename = cbook.get_sample_data("jacksboro_fault_dem.npz", asfileobj=False)with np.load(filename) as dem: z = dem["elevation"] nrows, ncols = z.shape x = np.linspace(dem["xmin"], dem["xmax"], ncols) y = np.linspace(dem["ymin"], dem["ymax"], nrows)x, y = np.meshgrid(x, y)region = np.s_[5:50, 5:50]x, y, z = x[region], y[region], z[region]fig, ax = plt.subplots(subplot_kw=dict(projection="3d"))ls = LightSource(270, 45)rgb = ls.shade(z, cmap=cm.gist_earth, vert_exag=0.1, blend_mode="soft")surf = ax.plot_surface(x, y, z, rstride=1, cstride=1, facecolors=rgb, linewidth=0, antialiased=False, shade=False)plt.savefig("example4.png",dpi=600, bbox_inches="tight")plt.show()Example 5：三維地形，包含投影（Python）
Example 6：切片，多維數(shù)據(jù)同時展現(xiàn)（Python）
Example 7：SSH GIF 動圖展現(xiàn)（Matlab）
Example 8：Glider GIF 動圖展現(xiàn)（Python）
Example 9：渦度追蹤 GIF 動圖展現(xiàn)
文章版權歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://systransis.cn/yun/123382.html
摘要：強烈推薦上值得前端學習的數(shù)據(jù)結(jié)構與算法項目，包含圖的演示過程與視頻講解。該倉庫包含了多種基于的算法與數(shù)據(jù)結(jié)構，提供進一步閱讀的解釋和鏈接。數(shù)據(jù)結(jié)構和算法必知必會的個代碼實現(xiàn)。 showImg(https://segmentfault.com/img/bVbvpYZ); 前言 算法為王。想學好前端，先練好內(nèi)功，內(nèi)功不行，就算招式練的再花哨，終究成不了高手；只有內(nèi)功深厚者，前端之路才會走得...
摘要：本報告面向的讀者是想要進入機器學習領域的學生和正在尋找新框架的專家。其輸入需要重塑為包含個元素的一維向量以滿足神經(jīng)網(wǎng)絡。卷積神經(jīng)網(wǎng)絡目前代表著用于圖像分類任務的較先進算法，并構成了深度學習中的主要架構。 初學者在學習神經(jīng)網(wǎng)絡的時候往往會有不知道從何處入手的困難，甚至可能不知道選擇什么工具入手才合適。近日，來自意大利的四位研究者發(fā)布了一篇題為《神經(jīng)網(wǎng)絡初學者：在 MATLAB、Torch 和 ...
摘要：陳建平說訓練是十分重要的，尤其是對關注算法本身的研究者。代碼生成其實在中也十分簡單，陳建平不僅利用車道線識別模型向我們演示了如何使用生成高效的代碼，同時還展示了在脫離環(huán)境下運行代碼進行推斷的效果。 近日，Mathworks 推出了包含 MATLAB 和 Simulink 產(chǎn)品系列的 Release 2017b（R2017b），該版本大大加強了 MATLAB 對深度學習的支持，并簡化了工程師、...
摘要：我們來看一下美國相關專業(yè)人員對兩者的對比，只是粗略而不精準的翻譯一下。小結(jié)其實在寫這篇文章之前，我就問過一下包括清華在內(nèi)的學校以及一些數(shù)學專業(yè)的學生，和還是占主流，但是經(jīng)過一番調(diào)查發(fā)現(xiàn)在美國在數(shù)據(jù)科學數(shù)學等方面好像漸成壓倒性的優(yōu)勢。 作為一枚程序員，想要研究Python編程語言與數(shù)學學習（教學）的結(jié)合，就不能不了解以及比對一下其他數(shù)學學習與應用的解決方案，比如R語言、Matlab等數(shù)學...
摘要：在上篇文章里，為大家推薦了一些數(shù)學學習的軟件和微積分線性代數(shù)概率統(tǒng)計的學習視頻，今天再推薦一些精心挑選的經(jīng)典教材，并為大家提供電子書的下載鏈接，和視頻搭配起來一起學習，效果會更好。我們要使用的以及等都包含在里面，無需額外下載。 在上篇文章里，為大家推薦了一些數(shù)學學習的軟件和微積分、線性代數(shù)、概率統(tǒng)計的學習視頻，今天再推薦一些精心挑選的經(jīng)典教材，并為大家提供電子書的下載鏈接，和視頻搭配起...
閱讀 2787·2021-11-19 11:30
閱讀 3069·2021-11-15 11:39
閱讀 1793·2021-08-03 14:03
閱讀 1998·2019-08-30 14:18
閱讀 2054·2019-08-30 11:16
閱讀 2168·2019-08-29 17:23
閱讀 2610·2019-08-28 18:06
閱讀 2544·2019-08-26 12:22
