我的目标是在HoloViews中使用Datashader创建x、y、z散点图,其中点通过最小化'z'进行聚合,点的颜色根据'z'进行着色。最终目的是生成概率轮廓图等内容。
我已经在HoloViews+Datashader中有了不错的进展,甚至以酷炫的方式链接了这些图形(例如参见如何在HoloViews与Datashader+Bokeh后端中进行数据链接选择),但我无法控制点的颜色和聚合方法。
以下代码(在Jupyter笔记本中运行)在"普通香草" Datashader + Bokeh中做到了(几乎)我想要的效果。如何通过HoloViews实现同样的效果,以便利用该包中的优秀功能?
特别需要注意的是,我希望将颜色分配给特定的z值,并且不要自动归一化或类似的事情。我尝试在下面的代码中通过设置'span'参数在'shade'函数中实现这一点,但它并不完全有效,因为当我放大图时,我会看到新的绿色区域出现,这表明颜色的绝对归一化并没有保持恒定。无论如何,它应该足够接近以说明我的意思。
我已经在HoloViews+Datashader中有了不错的进展,甚至以酷炫的方式链接了这些图形(例如参见如何在HoloViews与Datashader+Bokeh后端中进行数据链接选择),但我无法控制点的颜色和聚合方法。
以下代码(在Jupyter笔记本中运行)在"普通香草" Datashader + Bokeh中做到了(几乎)我想要的效果。如何通过HoloViews实现同样的效果,以便利用该包中的优秀功能?
特别需要注意的是,我希望将颜色分配给特定的z值,并且不要自动归一化或类似的事情。我尝试在下面的代码中通过设置'span'参数在'shade'函数中实现这一点,但它并不完全有效,因为当我放大图时,我会看到新的绿色区域出现,这表明颜色的绝对归一化并没有保持恒定。无论如何,它应该足够接近以说明我的意思。
import pandas as pd
from bokeh.plotting import figure, output_notebook
import datashader as ds
from datashader.bokeh_ext import InteractiveImage
from datashader import transfer_functions as tf
output_notebook(hide_banner=True)
import matplotlib.colors as colors
#Define colormap
mn=0
mx=5
s0=0./(mx-mn)
s1=1./(mx-mn)
s2=2./(mx-mn)
s3=3./(mx-mn)
s4=4./(mx-mn)
s5=5./(mx-mn)
cdict = {
'red' : ((s0, 0., 0.), (s1, 1., 1.), (s2, 1., 1.), (s3, 1., 1.), (s4, .5, .5), (s5, .2, .2)),
'green': ((s0, 1., 1.), (s1, 1., 1.), (s2, .5, .5), (s3, 0., 0.), (s4, 0., 0.), (s5, 0., 0.)),
'blue' : ((s0, 0., 0.), (s1, 0., 0.), (s2, 0., 0.), (s3, 0., 0.), (s4, 0., 0.), (s5, 0., 0.))
}
chi2cmap = colors.LinearSegmentedColormap('chi2_colormap', cdict, 1024)
chi2cmap.set_bad('w',1.)
# Create some data to plot
x = np.arange(0,10,1e-2)
y = np.arange(0,10,1e-2)
X,Y = np.meshgrid(x,y)
x = X.flatten()
y = Y.flatten()
z = 5 * np.sin(x) * np.cos(y)
#------ Create pandas dataframe object from the data ------
print "Creating Pandas dataframe object"
df = pd.DataFrame.from_dict({"x": x, "y": y, "z": z})
# Create callback function for bokeh
def create_image(x_range, y_range, w, h):
cvs = ds.Canvas(x_range=x_range, y_range=y_range, plot_width=200, plot_height=200)
agg = cvs.points(df, 'x', 'y', ds.min('z'))
img = tf.shade(agg, cmap=chi2cmap, how='linear', span=[mn,mx])
#return tf.dynspread(img, threshold=0.9, max_px=10)
return img
# Export image
#ds.utils.export_image(img, "test", fmt=".png", export_path=".", background="white")
# Interactive image via bokeh
p = figure(tools='pan,wheel_zoom,box_zoom,reset', background_fill_color="white",
plot_width=500, plot_height=500, x_range=(np.min(x),np.max(x)), y_range=(np.min(y),np.max(y)))
p.axis.visible = False
p.xgrid.grid_line_color = None
p.ygrid.grid_line_color = None
InteractiveImage(p, create_image)
带输出的
hvds.datashade.instance(aggregator=ds.min('z'), cmap=chi2cmap, normalization='linear', span=(mn, max))
- philippjfr