Le traçage de données sous forme de nuages de points est une technique de visualisation largement utilisée. Cependant, pour les grands ensembles de données, les cartes thermiques fournissent une représentation plus concise et intuitive. Cet article explore les méthodes permettant de convertir des données dispersées en cartes thermiques à l'aide de la bibliothèque polyvalente Matplotlib.
Les exemples de données fournis se composent de 10 000 points de données X, Y. La fonctionnalité de carte thermique intégrée de Matplotlib nécessite des valeurs de cellules prétraitées, ce qui rend difficile la génération de cartes thermiques à partir de données brutes dispersées.
Pour surmonter cette limitation, nous pouvons utiliser NumPy. fonction histogramme2d. Cette méthode estime la densité de probabilité des points de données en créant un histogramme bidimensionnel.
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()
La fonction histogram2d quantifie les données dans des compartiments discrets, créant une carte thermique où l'intensité de la couleur représente la fréquence des points de données dans chaque cell.
Vous pouvez modifier la résolution de la carte thermique en ajustant le nombre de bacs :
# Create a 512x384 heatmap heatmap, xedges, yedges = np.histogram2d(x, y, bins=(512, 384))
De plus, Matplotlib permet une personnalisation approfondie du style de la carte thermique, y compris les jeux de couleurs, les méthodes d'interpolation et les annotations. Explorez la documentation de Matplotlib pour d'autres options de personnalisation.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!