如何在 Python 中将散点数据转换为热图
使用代表大量数据点的散点图时,它可能会很有用将数据可视化为热图。这样可以更轻松地识别数据集中的区域。
尽管 Matplotlib 中提供了全面的热图生成示例,但这些示例通常假设存在预定义的单元格值。本文解决了对将一组无组织的 X,Y 点转换为热图的方法的需求,其中坐标频率较高的区域显得更温暖。
使用 numpy.histogram2d 的解决方案
如果不需要六边形热图,numpy 的 histogram2d 函数提供了替代解决方案。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()
此代码将创建数据点的 50x50 热图表示。通过调整 bins 参数,可以自定义热图的大小。例如,bins=(512, 384) 将生成 512x384 热图。
通过利用 numpy.histogram2d 的强大功能,可以将分散数据转换为热图,从而提供有关数据分布的宝贵见解积分。
以上是如何在 Python 中使用 numpy.histogram2d 将散点数据转换为热图?的详细内容。更多信息请关注PHP中文网其他相关文章!