Wie können verstreute Daten mithilfe von Matplotlib in Heatmaps umgewandelt werden?

Visualisierung verstreuter Daten als Heatmaps

Das Darstellen von Daten als Streudiagramme ist eine weit verbreitete Visualisierungstechnik. Bei großen Datensätzen bieten Heatmaps jedoch eine prägnantere und intuitivere Darstellung. In diesem Artikel werden Methoden zum Konvertieren verstreuter Daten in Heatmaps mithilfe der vielseitigen Matplotlib-Bibliothek untersucht.

Die bereitgestellten Beispieldaten bestehen aus 10.000 X- und Y-Datenpunkten. Die integrierte Heatmap-Funktionalität von Matplotlib erfordert vorverarbeitete Zellwerte, was es schwierig macht, Heatmaps aus verstreuten Rohdaten zu generieren.

Histogram2d für die Heatmap-Generierung verwenden

Um diese Einschränkung zu überwinden, können wir NumPys verwenden histogram2d-Funktion. Diese Methode schätzt die Wahrscheinlichkeitsdichte der Datenpunkte durch Erstellen eines zweidimensionalen Histogramms.

import numpy as np
import matplotlib.pyplot as plt

# Generate test data
x = np.random.randn(8873)
y = np.random.randn(8873)

# Create a 50x50 heatmap
heatmap, xedges, yedges = np.histogram2d(x, y, bins=50)
extent = [xedges[0], xedges[-1], yedges[0], yedges[-1]]

plt.imshow(heatmap.T, extent=extent, origin='lower')
plt.show()

Die Funktion histogram2d quantisiert die Daten in diskrete Bins und erstellt eine Heatmap, bei der die Farbintensität die Häufigkeit der Datenpunkte in jedem darstellt Zelle.

Anpassen von Heatmap-Parametern

Sie können die Heatmap-Auflösung ändern, indem Sie die Anzahl der Bins anpassen:

# Create a 512x384 heatmap
heatmap, xedges, yedges = np.histogram2d(x, y, bins=(512, 384))

Zusätzlich ermöglicht Matplotlib eine umfassende Anpassung des Heatmap-Stils, einschließlich Farbschemata, Interpolationsmethoden und Anmerkungen. Weitere Anpassungsoptionen finden Sie in der Dokumentation von Matplotlib.

Das obige ist der detaillierte Inhalt vonWie können verstreute Daten mithilfe von Matplotlib in Heatmaps umgewandelt werden?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!