如何在 Python 中使用 numpy.histogram2d 將散佈資料轉換為熱圖？

如何在Python 中將散點資料轉換為熱圖

使用代表大量資料點的散佈圖時，它可能會很有用將數據視覺化為熱圖。這樣可以更輕鬆地識別資料集中的區域。

儘管 Matplotlib 中提供了全面的熱圖產生範例，但這些範例通常假設存在預先定義的儲存格值。本文解決了將一組無組織的 X,Y 點轉換為熱圖的方法的需求，其中座標頻率較高的區域顯得更溫暖。

使用 numpy.histogram2d 的解決方案

如果不需要六邊形熱圖，numpy 的 histogram2d 函數提供了替代解決方案。使用方法如下：

import numpy as np
import matplotlib.pyplot as plt

# Generate sample data
x = np.random.randn(10_000)
y = np.random.randn(10_000)

# Create a 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.imshow(heatmap.T, extent=extent, origin='lower')
plt.colorbar()  # Add a colorbar to indicate heatmap values
plt.show()

此程式碼將建立資料點的 50x50 熱圖表示。透過調整 bins 參數，可以自訂熱圖的大小。例如，bins=(512, 384) 將產生 512x384 熱圖。

透過利用 numpy.histogram2d 的強大功能，可以將分散式資料轉換為熱圖，從而提供有關資料分佈的寶貴見解積分。

以上是如何在 Python 中使用 numpy.histogram2d 將散佈資料轉換為熱圖？的詳細內容。更多資訊請關注PHP中文網其他相關文章！