Wie konvertiert man Streudaten in Python mit numpy.histogram2d in Heatmaps?

So konvertieren Sie Streudaten in Heatmaps in Python

Beim Arbeiten mit Streudiagrammen, die eine große Anzahl von Datenpunkten darstellen, kann dies von Vorteil sein um die Daten als Heatmap zu visualisieren. Dies ermöglicht eine einfachere Identifizierung von Bereichen mit höheren Datenkonzentrationen.

Trotz der Verfügbarkeit umfassender Beispiele für die Heatmap-Generierung in Matplotlib gehen diese Beispiele typischerweise von der Existenz vordefinierter Zellwerte aus. In diesem Artikel geht es um die Notwendigkeit einer Methode zum Konvertieren einer Reihe unorganisierter X- und Y-Punkte in eine Heatmap, bei der Zonen mit einer höheren Häufigkeit von Koordinaten wärmer erscheinen.

Lösung mit numpy.histogram2d

Wenn hexagonale Heatmaps nicht gewünscht sind, bietet die histogram2d-Funktion von Numpy eine alternative Lösung. So verwenden Sie es:

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()

Dieser Code erstellt eine 50x50-Heatmap-Darstellung der Datenpunkte. Durch Anpassen des Bins-Parameters kann die Größe der Heatmap angepasst werden. Beispielsweise würde bins=(512, 384) zu einer Heatmap von 512 x 384 führen.

Durch die Nutzung der Leistungsfähigkeit von numpy.histogram2d ist es möglich, Streudaten in eine Heatmap umzuwandeln und so wertvolle Einblicke in die Datenverteilung zu gewinnen Punkte.

Das obige ist der detaillierte Inhalt vonWie konvertiert man Streudaten in Python mit numpy.histogram2d in Heatmaps?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!