Rumah  >  Artikel  >  pembangunan bahagian belakang  >  Bagaimana untuk Menukar Data Taburan ke Peta Haba dalam Python?

Bagaimana untuk Menukar Data Taburan ke Peta Haba dalam Python?

Mary-Kate Olsen
Mary-Kate Olsenasal
2024-11-06 18:03:02293semak imbas

How to Convert Scatter Data to a Heatmap in Python?

Menukar Data Taburan kepada Peta Haba dalam Python

Mewakili data sebagai peta haba boleh memberikan perwakilan visual yang berharga, terutamanya apabila berurusan dengan set data yang besar. Dalam kes ini, kami mempunyai satu set titik data X,Y dan ingin menggambarkannya sebagai peta haba.

Matplotlib, perpustakaan Python serba boleh, menawarkan pelbagai pilihan untuk membuat peta haba. Walau bagaimanapun, kaedah ini biasanya menganggap bahawa nilai sel untuk peta haba sudah tersedia. Untuk menangani perkara ini, mari kita teroka pendekatan alternatif.

Menggunakan fungsi histogram2d NumPy, kita boleh menukar titik data X,Y kita kepada peta haba. Fungsi ini mengira kekerapan titik data dalam julat binning yang ditentukan:

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

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

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

# Plot the heatmap
plt.clf()
plt.imshow(heatmap.T, extent=extent, origin='lower')
plt.show()

Dalam contoh ini, kami menjana data ujian dan menentukan kiraan bin 50. Peta haba yang terhasil akan mempunyai dimensi 50x50. Fungsi imshow memaparkan peta haba, dengan hujah takat mentakrifkan julat paksi X dan Y.

Dengan menggunakan histogram2d, kami menukar titik data taburan kami dengan berkesan kepada nilai sel untuk peta haba. Pendekatan ini membolehkan kami menggambarkan taburan titik data, dengan kawasan frekuensi yang lebih tinggi muncul sebagai kawasan "lebih panas" pada peta haba.

Atas ialah kandungan terperinci Bagaimana untuk Menukar Data Taburan ke Peta Haba dalam Python?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan:
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn