Holoviews+Bokeh标准差椭圆方向设置问题求助

你的代码存在几个关键错误，导致椭圆方向无法和散点数据的分布对齐，下面逐一修正并说明：

1. 角度计算逻辑错误 #

你当前的角度计算代码np.arctan2(eigenvectors[1, order], eigenvectors[1, order])完全无效——这相当于计算arctan2(a,a)，结果永远是π/4，根本没用到特征向量的x分量。正确的做法是取对应特征向量的y分量和x分量来计算与水平方向的夹角：

angle = np.arctan2(eigenvectors[1, order], eigenvectors[0, order])

2. 特征向量排序与宽高对应错误 #

你当前取的是最小特征值对应的特征向量，但椭圆的长轴应该对应最大特征值的方向，同时Holoviews的Ellipse参数是直径，需要用特征值的平方根（即对应轴的标准差）乘以2：

# 按特征值从大到小排序，取最大特征值的索引
order = eigenvalues.argsort()[::-1][0]
# 宽高对应长轴和短轴的直径
w = nstd * np.sqrt(eigenvalues[order]) * 2
h = nstd * np.sqrt(eigenvalues[eigenvalues.argsort()[::-1][1]]) * 2

3. 坐标变换冗余且错误 #

你手动做的坐标变换不仅冗余，还没对数据做中心化（减去均值），导致标准差计算偏差。实际上直接用特征值计算宽高即可，无需额外变换。

修正后的完整代码 #

import numpy as np
import holoviews as hv
hv.extension('bokeh')

def create_plot(x, y, nstd=5):
    x, y = np.asarray(x), np.asarray(y)
    cov_matrix = np.cov([x, y])
    eigenvalues, eigenvectors = np.linalg.eig(cov_matrix)
    
    # 取最大特征值对应的特征向量（长轴方向）
    order = eigenvalues.argsort()[::-1][0]
    # 计算特征向量与水平方向的逆时针弧度角
    angle = np.arctan2(eigenvectors[1, order], eigenvectors[0, order])
    
    x0 = np.mean(x)
    y0 = np.mean(y)
    
    # 用特征值计算椭圆宽高（Holoviews要求传入直径，故乘以2）
    w = nstd * np.sqrt(eigenvalues[order]) * 2
    h = nstd * np.sqrt(eigenvalues[eigenvalues.argsort()[::-1][1]]) * 2
    
    # 直接传入计算出的角度即可，无需取负
    return hv.Ellipse(x0, y0, (w, h), orientation=angle) * hv.Scatter((x, y))

c2x = np.random.normal(loc=-2, scale=0.6, size=200)
c2y = np.random.normal(loc=-2, scale=0.1, size=200)

combined = create_plot(c2x, c2y)
combined.opts(shared_axes=False, hv.Ellipse(fill_alpha=0.2, color='red'), hv.Scatter(size=5))

核心说明 #

• Holoviews的orientation参数定义是宽度对应的轴与水平方向的逆时针弧度角，和特征向量计算出的角度完全匹配，不需要取负。
• 特征值的平方根就是对应轴方向的标准差，直接用它计算椭圆宽高比手动坐标变换更准确高效。
• 椭圆的宽高参数是直径，因此需要将标准差乘以2（标准差是中心到边缘的距离，直径为该值的两倍）。

内容的提问来源于stack exchange，提问作者F_B