R语言 HilbertVis包 hilbertImage()函数中文帮助文档(中英文对照)

loveR

hilbertImage(HilbertVis)
hilbertImage()所属R语言包：HilbertVis

                                         Produce a matrix that visualizes a long data vector along a Hilbert curve
                                         产生一个矩阵，可视化希尔伯特曲线沿长数据向量

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Calculate a Hilbert curve visualization of a long data vector and return it as a square matrix.
Hilbert曲线可视化计算的矢量数据，并返回它作为一个方阵。


用法----------Usage----------


hilbertImage(data, level = 9, mode = "absmax")



参数----------Arguments----------

参数：data
A (potentially very long) vector of numerical data.  
一个数值数据（可能很长）的向量。


参数：level
The level of the Hilbert curve, determining the size of the returned matrix  
Hilbert曲线的水平，确定返回矩阵的大小


参数：mode
The binning mode. See shrinkVector for details.   
分级模式。看到shrinkVector详情。


Details

详情----------Details----------

See the package vignette for an explanation of this visualization technique.
这个可视化技术的解释，请参阅包小插曲。


值----------Value----------

A matrix of dimension 2^level x 2^level. Each matrix element corresponds to a bin of consecutive elements of the data vector, the bins arranged to follow the Hilbert curve of the given level. By default, the value of a  matrix element is either the largest or smallest element in the bin, whichever is larger by absolute value. (See  shrinkVector for other possible binning modes.)
维矩阵2^levelX2^level。每个矩阵元素对应的数据向量的连续元素的垃圾桶，垃圾箱安排按照Hilbert曲线给定的水平。默认情况下，矩阵元素的值是在垃圾桶，无论是绝对值较大的最大或最小的元素。 （见shrinkVector其他可能的分级模式“。）

To display such a matrix graphically, you can use the standard functions image or levelplot but the function showHilbertImage may be more convenient.
要显示这样一个矩阵图形，你可以使用标准的功能image或levelplot但功能showHilbertImage可能会更方便。


注意----------Note----------

For an interactive GUI to explore a Hilbert curve visualisation, use the function  hilbertDisplay in the HilbertVisGUI package.
为探索出一条Hilbert曲线可视化的交互式GUI，使用功能hilbertDisplayHilbertVisGUI包。


作者（S）----------Author(s)----------


Simon Anders, EMBL-EBI, sanders@fs.tum.de



举例----------Examples----------


   # Get a vector with example data[例如数据获取与向量]
   dataVec <- makeRandomTestData( )
   
   # Plot it in conventional (linear) fashion[它绘制在传统（线性）时尚]
   plotLongVector( dataVec )
   
   # Note how the peaks look quite uniform[注意的山峰看起来相当均匀]

   # Get the Hilbert curve matrix[得到希尔伯特曲线矩阵]
   hMat <- hilbertImage( dataVec )
   
   # Plot it with the 'showHilbertImage' function[绘制“showHilbertImage”功能]
   showHilbertImage( hMat )
   
   # Note how you can now see the non-uniformity hidden in the previous plot.[注意：你现在可以看到隐藏在前面的图的非均匀性如何。]
   # Note also the ugly aliasing when you change the size of the plot window.[还要注意丑陋的别名，当你改变图形窗口的大小。]
   # Using EBImage allows to display in each matrix element as one pixel:[使用EBImage允许在每个矩阵元素作为一个像素显示：]
   
   # if( require ( EBImage ) )[（要求（EBImage））]
   #    showHilbertImage( hMat, mode="EBImage" )[showHilbertImage（hMat，模式=“EBImage”）]

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。