Как я могу сделать график рассеяния, окрашенный по плотности в matplotlib?

Я хотел бы сделать график рассеяния, где каждая точка окрашена пространственной плотностью соседних точек.

Я столкнулся с очень похожим вопросом, который показывает пример этого с помощью R:

R Scatter Plot: цвет символа представляет количество перекрывающихся точек

Какой лучший способ выполнить что-то подобное в python с помощью matplotlib?

Ответы

Ответ 1

В дополнение к hist2d или hexbin по предложению @askewchan вы можете использовать тот же метод, что и принятый ответ в вопросе, который вы связали с использованием.

Если вы хотите сделать это:

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import gaussian_kde

# Generate fake data
x = np.random.normal(size=1000)
y = x * 3 + np.random.normal(size=1000)

# Calculate the point density
xy = np.vstack([x,y])
z = gaussian_kde(xy)(xy)

fig, ax = plt.subplots()
ax.scatter(x, y, c=z, s=100, edgecolor='')
plt.show()

enter image description here

Если вы хотите, чтобы точки были построены в порядке плотности, чтобы самые плотные точки всегда были сверху (аналогично связанному примеру), просто отсортируйте их по значениям z. Я также собираюсь использовать здесь меньший размер маркера, поскольку он выглядит немного лучше:

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import gaussian_kde

# Generate fake data
x = np.random.normal(size=1000)
y = x * 3 + np.random.normal(size=1000)

# Calculate the point density
xy = np.vstack([x,y])
z = gaussian_kde(xy)(xy)

# Sort the points by density, so that the densest points are plotted last
idx = z.argsort()
x, y, z = x[idx], y[idx], z[idx]

fig, ax = plt.subplots()
ax.scatter(x, y, c=z, s=50, edgecolor='')
plt.show()

enter image description here

Ответ 2

Вы можете сделать гистограмму:

import numpy as np
import matplotlib.pyplot as plt

# fake data:
a = np.random.normal(size=1000)
b = a*3 + np.random.normal(size=1000)

plt.hist2d(a, b, (50, 50), cmap=plt.cm.jet)
plt.colorbar()

2dhist

Ответ 3

Также, если количество точек делает вычисления KDE слишком медленными, цвет можно интерполировать в np.histogram2d:

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import interpn

def density_scatter( x , y, ax = None, sort = True, bins = 20, **kwargs )   :
    """
    Scatter plot colored by 2d histogram
    """
    if ax is None :
        fig , ax = plt.subplots()
    data , x_e, y_e = np.histogram2d( x, y, bins = bins)
    z = interpn( ( 0.5*(x_e[1:] + x_e[:-1]) , 0.5*(y_e[1:]+y_e[:-1]) ) , data , np.vstack([x,y]).T , method = "splinef2d", bounds_error = False )

    # Sort the points by density, so that the densest points are plotted last
    if sort :
        idx = z.argsort()
        x, y, z = x[idx], y[idx], z[idx]

    ax.scatter( x, y, c=z, **kwargs )
    return ax


if "__main__" == __name__ :

    x = np.random.normal(size=100000)
    y = x * 3 + np.random.normal(size=100000)
    density_scatter( x, y, bins = [30,30] )