Matplotlib を使用して散在データをヒートマップに変換するにはどうすればよいですか?

散布データをヒートマップとして視覚化

データを散布図としてプロットすることは、広く使用されている視覚化手法です。ただし、大規模なデータセットの場合、ヒートマップはより簡潔で直感的な表現を提供します。この記事では、汎用性の高い Matplotlib ライブラリを使用して、散在データをヒートマップに変換する方法について説明します。

提供されたサンプル データは、10,000 個の X、Y データ ポイントで構成されています。 Matplotlib の組み込みヒートマップ機能には前処理されたセル値が必要なため、生の散乱データからヒートマップを生成することが困難です。

ヒートマップ生成に histogram2d を使用

この制限を克服するには、NumPy のヒストグラム2d関数。このメソッドは、二次元ヒストグラムを作成することによってデータ ポイントの確率密度を推定します。

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()

関数 histogram2d は、データを離散ビンに量子化し、色の強度が各ビンのデータ ポイントの頻度を表すヒートマップを作成します。 cell.

ヒートマップ パラメーターのカスタマイズ

ビンの数を調整することで、ヒートマップ解像度を変更できます。

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

さらに、Matplotlib を使用すると、ヒートマップ スタイルを広範囲にカスタマイズできます。これには、配色、補間方法、注釈が含まれます。さらなるカスタマイズ オプションについては、Matplotlib のドキュメントを参照してください。

以上がMatplotlib を使用して散在データをヒートマップに変換するにはどうすればよいですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。