В следующем примере я был бы признателен за некоторые отзывы о наилучшем методе построения требуемого результата.Совет для сравнения 3 переменных и построения графика
clear all
Table1 = {0.990,0.987,0.972,0.832,0.776,20;0.988,0.986,0.961,0.946,0.906,...
30;0.963,0.956,0.850,0.897,0.908,70;0.970,0.968,0.922,0.835,0.674,...
90;0.957,0.950,0.908,0.925,0.955,100;0.966,0.963,0.948784273781552,0.892,...
0.812,120;0.977,0.973,0.932,0.779,0.648,450;0.985,0.985,0.915,...
0.832,0.792,480;0.979,0.969,0.939,0.814,0.642,550;0.983,0.980,0.916,...
0.719,0.520,570;};
locations = {'loc1','loc2','loc3','loc4','loc5'};
CombLocation = locations(nchoosek(1:length(locations),2));
Table2 = [CombLocation,Table1];
Headings = {'location1','location2','depth1','depth2','depth3','depth4',...
'depth5','residence time'};
Table3 = [Headings;Table2];
depths = [5.3,6.8,16.3,24,16.78];
Здесь мы имеем «Таблица3», который демонстрирует значения корреляции (температуры воды) между различными местами («LOC1», «LOC2») быть ранжированы в соответствии с «времени пребывания» (где время пребывания является разница в времени пребывания между местоположениями). То, что я хотел бы сделать, это показать, что по мере увеличения глубины на уровень когерентности в значительной степени влияет время пребывания.
Это может быть сделано для каждой глубины отдельно, например.
figure;
plot(cell2mat(Table3(2:11,8)),cell2mat(Table3(2:11,7)));
Таким образом, при увеличении времени пребывания корреляция уменьшается. Затем это можно повторить для меньшей глубины, то есть глубины (1), например.
figure;
plot(cell2mat(Table3(2:11,8)),cell2mat(Table3(2:11,3)));
Тем не менее, я хотел бы произвести один участок, который показал, что, как глубина воды увеличивается, в местах с более высоким уровнем когерентности были те, которые имели меньшую разницу во времени по месту жительства.
Любые советы будут оценены.