Bagaimanakah Data Taburan Boleh Diubah menjadi Peta Haba Menggunakan Matplotlib?

Memvisualisasikan Data Tersebar sebagai Peta Haba

Memplot data sebagai plot serakan ialah teknik visualisasi yang digunakan secara meluas. Walau bagaimanapun, untuk set data yang besar, peta haba memberikan perwakilan yang lebih ringkas dan intuitif. Artikel ini meneroka kaedah untuk menukar data bertaburan kepada peta haba menggunakan pustaka Matplotlib serba boleh.

Data sampel yang disediakan terdiri daripada 10,000 titik data X, Y. Kefungsian peta haba terbina dalam Matplotlib memerlukan nilai sel pra-diproses, menjadikannya mencabar untuk menjana peta haba daripada data bertaburan mentah.

Menggunakan histogram2d untuk Penjanaan Peta Haba

Untuk mengatasi had ini, kami boleh menggunakan NumPy's fungsi histogram2d. Kaedah ini menganggarkan ketumpatan kebarangkalian titik data dengan mencipta histogram dwidimensi.

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()

Fungsi histogram2d mengkuantisasi data ke dalam tong diskret, mencipta peta haba di mana keamatan warna mewakili kekerapan titik data dalam setiap sel.

Menyesuaikan Parameter Peta Haba

Anda boleh mengubah suai resolusi peta haba dengan melaraskan bilangan tong:

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

Selain itu, Matplotlib membenarkan penyesuaian meluas penggayaan peta haba, termasuk skema warna, kaedah interpolasi dan anotasi. Terokai dokumentasi Matplotlib untuk pilihan penyesuaian lanjut.

Atas ialah kandungan terperinci Bagaimanakah Data Taburan Boleh Diubah menjadi Peta Haba Menggunakan Matplotlib?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!