如何使用 Matplotlib 的「histogram2d」函數將散佈圖資料轉換為熱圖？

使用Histogram2D 將散點圖資料轉換為熱圖

在資料視覺化領域，散佈圖提供了資料點的簡明表示二維平面。但是，在處理高密度資料時，將資料視覺化為熱圖可能會更有效，該熱圖描繪了較高和較低頻率或強度的區域。

如果您希望轉換原始散佈圖資料使用 Matplotlib 將 (X, Y) 轉換為熱圖，NumPy 庫中的 histogram2d 函數提供了一個方便的解決方案。此函數透過計算指定箱內資料點的出現次數來促進熱圖的創建，產生表示平面各區域中資料密度的二維數組。

要實現此方法，請按照以下步驟操作:

import numpy as np
import matplotlib.pyplot as plt

# Define your scatter plot data
x = [x1, x2, ..., xn]
y = [y1, y2, ..., yn]

# Generate a heatmap using histogram2d
heatmap, xedges, yedges = np.histogram2d(x, y, bins=50)

# Specify the extent of the heatmap
extent = [xedges[0], xedges[-1], yedges[0], yedges[-1]]

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

透過調整 bins 參數，您可以控制熱圖的解析度。例如，bins=(512, 384) 將產生更高解析度 (512x384) 的熱圖。

以上是如何使用 Matplotlib 的「histogram2d」函數將散佈圖資料轉換為熱圖？的詳細內容。更多資訊請關注PHP中文網其他相關文章！