如何在 Python 中將散點資料轉換為熱圖？

在Python 中將散點資料轉換為熱圖

將資料表示為熱圖可以提供有價值的視覺表示，尤其是在處理大型資料集時。在本例中，我們有一組 X、Y 資料點，並希望將它們視覺化為熱圖。

Matplotlib 是一個多功能 Python 函式庫，提供了多種用於建立熱圖的選項。然而，這些方法通常假設熱圖的單元格值已經可用。為了解決這個問題，讓我們來探索一種替代方法。

使用 NumPy 的 histogram2d 函數，我們可以將 X、Y 資料點轉換為熱圖。此函數計算指定分箱範圍內資料點的頻率：

import numpy as np
import numpy.random
import matplotlib.pyplot as plt

# Generate test data
x = np.random.randn(8873)
y = np.random.randn(8873)

# Create 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.clf()
plt.imshow(heatmap.T, extent=extent, origin='lower')
plt.show()

在此範例中，我們產生測試資料並指定分箱計數為 50。產生的熱圖的尺寸為 50x50。 imshow 函數顯示熱圖，範圍參數定義 X 軸和 Y 軸的範圍。

透過使用 histogram2d，我們有效地將散佈資料點轉換為熱圖的單元格值。這種方法使我們能夠可視化資料點的分佈，高頻區域在熱圖上顯示為「較熱」區域。

以上是如何在 Python 中將散點資料轉換為熱圖？的詳細內容。更多資訊請關注PHP中文網其他相關文章！