熊猫dataframe行对应卡尔曼滤波器的连续时间样本。我想在流中显示轨迹(真值,测量值和滤波器估计值)。新手:来自大熊猫的holoviews曲线跟进:流问题
def show_tracker(index,data=run_tracker()):
i = int(index)
sleep(0.1)
p = \
hv.Scatter(data[0:i], kdims=['x'], vdims=['y'])(style=dict(color='r')) *\
hv.Curve (data[0:i], kdims=['x.true'], vdims=['y.true']) *\
hv.Scatter(data[0:i], kdims=['x.est'], vdims=['y.est'])(style=dict(color='darkgreen')) *\
hv.Curve (data[0:i], kdims=['x.est'], vdims=['y.est'])(style=dict(color='lightgreen'))
return p
%%opts Scatter [width=600,height=280]
ndx=TimeIndex()
hv.DynamicMap(show_tracker, kdims=[], streams=[ndx])
for i in range(N):
ndx.update(index=i)
问题1:轴被自动设置到数据的边界。因此,轨迹更新发生在绘图边界的边缘。 有没有设置允许一些slop, 还是我必须计算show_tracker函数中的适当边界?
问题2:散焦后端; 我可以缩放和平移,但 “重置”会导致数据集丢失。我如何解决这个问题?
问题3:缺省数据参数show_tracker 要求的功能被重新执行以生成新的数据帧。 有没有简单的方法来解决这个问题?
不客气问题3: 高清_run(I):你会简单地这样做,如果我 %N == 0: _run.data = run_tracker(N,传感器,跟踪器) 返回_run.data _run.data = run_tracker(N)在 返回_run – user
新增Jupyter笔记本https://github.com/ea42gh/KalmanFilter示例 – user