在制作散点图时,有许多选项可以分散颜色图,强调极值处的数据,但没有聚合颜色图的选项,强调接近范围中间的数据.任何人都可以建议一个,或告诉我为什么使用一个是个坏主意？
我的用例是散点图,其中每个点表示对不同数据集的拟合,而颜色表示拟合的降低的平方.我想强调接近一个的价值观,并且不再强调不合适.
编辑
这是我的用例更详细.我正在测量一种算法的性能,该算法旨在区分时间序列数据中的实际信号和系统信号(在这种情况下,行星在开普勒数据中转换而不是在数据中的毛刺中).对于每个模拟,我有一个输入值,一个描述算法决策的数字,以及一个测量拟合优度的降低的平方.我想使用颜色方案来突出显示最接近一个的卡方减少的点,而不是适合度差的情况.
有很多方法可以做到这一点(例如,有点大小),但如果可以,我想用颜色做.
我in1d根据我运行脚本的机器得到了不同的行为.在我的桌面上(numpy版本1.6.2)我试试
x = np.array('a b c d e f g h i j'.split())
np.in1d(x, set(['f', 'e', 'r']))
array([False, False, False, False, True, True, False, False, False, False], dtype=bool)
这是我的预期.在我的笔记本电脑上(版本1.8.1)结果是全部False,这不是我想要的.
玩了一下,我发现了
np.in1d(x, ['f', 'e', 'r'])
适用于两个版本,但我不明白为什么函数在传递集合时不会按预期运行.