Comment transformer des données Scatter en une Heatmap avec Matplotlib ?

Visualiser les données de dispersion sous forme de carte thermique avec Matplotlib

La conversion d'un nuage de points en carte thermique permet une représentation plus intuitive de la distribution des données. Matplotlib propose plusieurs méthodes pour réaliser cette transformation.

Utilisation d'hexagones pour les cellules Heatmap

Une approche consiste à utiliser la fonction hexbin pour créer des bacs hexagonaux. Chaque groupe représente un certain nombre de points de données et l'intensité de la couleur reflète la densité des points dans ce groupe.

import matplotlib.pyplot as plt
import numpy as np

# Generate some sample data
x = np.random.randn(10000)
y = np.random.randn(10000)

# Create a heatmap using hexagons
plt.hexbin(x, y, gridsize=50, cmap='jet')
plt.colorbar()
plt.show()

Création de cartes thermiques avec l'histogramme 2d de Numpy

Un Une méthode alternative consiste à utiliser la fonction histogram2d de Numpy. Cette fonction génère un histogramme 2D, où chaque case correspond à une région particulière dans l'espace de données. Les valeurs de l'histogramme représentent le nombre de points de données dans chaque groupe.

import numpy as np
import numpy.random
import matplotlib.pyplot as plt

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

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

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

En ajustant le nombre de groupes, vous pouvez contrôler la résolution de la carte thermique. Les groupes plus petits donnent une représentation plus fine, tandis que les groupes plus grands fournissent un aperçu plus général de la distribution des données.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!