用Java画密度图_方向密度图（matplotlib）

我有一大组矢量，我想通过观察极角θ和φ来分析这些方向 . 所以我从这些角度的2D阵列开始 .

我想通过绘制直方图，或者优先将核心密度绘制到球体(或2D投影，因为我只需要显示半个球体)来可视化它 .

如果我使用直角图的极角，那将是完全错误的，因为 - 举个例子 - 点θ= 1°，phi = 0°和180°比theta = 30°，phi = 0°＆ 180° . 分箱失败 .

如果我使用投影的2D笛卡尔坐标作为直方图，我遇到了同样的问题：x = 0，y = 0和0.1的点比x = 0，y = 0.5和0.6更近 .

现在我正在使用3D笛卡尔坐标的核密度估计：

from scipy import stats

X, Y, Z = [], [], []

for i in range(300):

for j in range(500):

X.append(np.sin(i / 300 * pi / 2) * np.cos(j / 500 * 2 * pi))

Y.append(np.sin(i / 300 * pi / 2) * np.sin(j / 500 * 2 * pi))

Z.append(np.cos(i / 300 * pi / 2))

X, Y, Z = np.array(X), np.array(Y), np.array(Z)

positions = np.vstack([X, Y, Z])

# x, y and z for my data: sin(theta) * cos(phi), sin(theta) * sin(phi), cos(theta)

values = np.vstack([np.sin(data[:, 1]) * np.cos(data[:, 2]), np.sin(data[:, 1]) * np.sin(data[:, 2]), np.cos(data[:, 1])])

fig, ax = subplots(1, figsize=(7, 7))

kernel = stats.gaussian_kde(values)

density = kernel(positions)

ax.tricontourf(X, Y, density, levels=np.linspace(0, max(density), 50))

plt.box('off')

ax.set_ylim((-1.01, 1.01))

ax.set_xlim((-1.01, 1.01))

我不知道a)这是否给出了正确的结果; b)如果没有更好的解决方案 .