可视化二维数据的频率分布

发布的布雷特Shoelson，2013年10月25日

17次观看(过去30天)|0喜欢|4评论

随着数据采集和存储能力的不断扩大，我们不断受到越来越大的数据集的轰炸。分析——甚至只是可视化——这些数据代表了我们这个时代最紧迫的挑战之一。

每当我提出“加速MATLAB应用程序”时，我总是强调有“更好”(即有效)的方法来使用MATLAB，也有“更糟糕”(低效)的方法来使用它。(当然，所有语言都是如此，但是在像MATLAB这样的解释型语言中，低效做事的“成本”可能比与实现糟糕的编译代码相比更明显。我发现那些告诉我MATLAB很慢的人，往往没有充分发挥它的潜力。)我还想指出，编写更好的代码除了性能之外，还需要密切关注内存管理。(在前面提到的“大数据挑战”中，这一点变得更加重要)事实上，“加速”演示的其中一个主题涉及数据的高效可视化——并且认识到可视化可能包含数据的完整副本。

Daniel的cloudPlot提供了一种非常聪明且实现得非常好的大型二维数据可视化方法。您可以在下面的代码部分中清楚地看到这一点。首先，我们创建一些数据。我们将创建x而且y是100万乘1正态分布随机双精度的向量;创建时，每个变量占用8兆内存:

X = randn(1000000,1);Y = randn(1000000,1);

现在我们如何最好地形象化x与y？当然，我们可以把它们画出来

H = plot(x, y，“b”。）;轴平等的标题(“绘制所有数据”，“字形大小”12“fontweight”，“大胆”）;

在我看来，这个可视化有两个重要的问题。首先，我们失去了所有数据的微妙之处。我们有大量的点，从中我们能知道的数据分布很少。第二，这个图形包含完整的副本的x而且y！当我们得到图的属性时，我们可以很容易地看到:

绘制一小部分数据(比如2%)是一个很好的开始;我们损失了很少的信息，但该图表只包含300kb的数据，而不是16mb:

PCT = 2;步长= 100/pct;H = plot(x(1:步长:结束)，y(1:步长:结束)，“r”。)标题(“绘制2%的数据”，“字形大小”12“fontweight”，“大胆”）;

然而，我们仍然有一个重大问题，那就是我们无法真正判断我们的数据到底发生了什么。

进入丹尼尔的cloudPlot．在巧妙地将2维数据装箱后，Daniel的函数创建了一个伟大的可视化，它比我们上面创建的图产生了更多的信息:

Subplot (2,2,1);colormap(飞机);cloudPlot(X, Y，[-5 5 -5 5]);标题(“箱子正好一个像素大”）;Subplot (2,2,2);cloudPlot(X, Y， [-5 5 -5 5]， []， [100 100]);标题(“大于一个像素的箱子”）;Subplot (2,2,3);cloudPlot(X, Y， [-5 5 -5 5]， []， [1000 1000]);标题(“小于一个像素的箱子”）;