python - 置信区间 3 维图

Question

我有一个 3 维图，我可以使用下面编写的代码来绘制它。

考虑到我的点分布由 100x100 矩阵表示，是否可以在我的数据上绘制置信区间？在下面的代码中，我的数据称为“结果”，而我要显示的上限和下限称为“upper_bound”和“lower_bound”。

例如，我问是否存在这样的东西，但是在 3 维中（而不是像下图那样的 2 维）

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
from matplotlib.ticker import LinearLocator, FormatStrFormatter

interval = np.random.normal(0, 1, size=(100, 100))

x = np.arange(0.1,1.1,0.01)
y = np.linspace(-np.pi,np.pi,100)

X,Y = np.meshgrid(x,y)
result = []
for i,j in zip(X,Y):
    result.append(np.log(i)+np.sin(j))

upper_bound = np.array(result)+interval
lower_bound = np.array(result)-interval

fig = plt.figure()
fig.set_figwidth(20)
fig.set_figheight(6)
ax = fig.gca(projection='3d')
surf = ax.plot_surface(X, Y, np.array(result))
ax.zaxis.set_major_locator(LinearLocator(10))
ax.zaxis.set_major_formatter(FormatStrFormatter('%.02f'))
fig.colorbar(surf, shrink=0.5, aspect=5)
plt.show()

标签： pythonnumpymatplotlibmultidimensional-arraynumpy-ndarray

Answer 1

使用 plotly 图形对象查看这个 3d 曲面图：

import plotly.graph_objects as go
import numpy as np

x = np.arange(0.1,1.1,0.01)
y = np.linspace(-np.pi,np.pi,100)

X,Y = np.meshgrid(x,y)
result = []
for i,j in zip(X,Y):
    result.append(np.log(i)+np.sin(j))

upper_bound = np.array(result)+1
lower_bound = np.array(result)-1

fig = go.Figure(data=[
    go.Surface(z=result),
    go.Surface(z=upper_bound, showscale=False, opacity=0.3,colorscale='purp'),
    go.Surface(z=lower_bound, showscale=False, opacity=0.3,colorscale='purp'),

])
fig.show()

这绘制了 3 个表面，一个用于您的结果和 2 个边界。但是，如果您想要看起来更像填充体积的东西，则必须添加具有缩放不透明度的体积图。