如何使用 Matplotlib 將散點資料轉換為熱圖？

使用 Matplotlib 將散點資料視覺化為熱圖

將散佈圖轉換為熱圖可以更直觀地表示資料分佈。 Matplotlib 提供了多種方法來實作這種轉換。

使用六邊形作為熱圖單元

一種方法是利用 hexbin 函數來建立六邊形箱。每個 bin 代表一定數量的數據點，顏色強度反映了該 bin 內點的密度。

import matplotlib.pyplot as plt
import numpy as np

# Generate some sample data
x = np.random.randn(10000)
y = np.random.randn(10000)

# Create a heatmap using hexagons
plt.hexbin(x, y, gridsize=50, cmap='jet')
plt.colorbar()
plt.show()

使用 Numpy 的 histogram2d 建立熱圖

An另一種方法是使用 Numpy 中的 histogram2d 函數。此函數產生一個 2D 直方圖，其中每個 bin 對應於資料空間中的特定區域。直方圖中的數值代表每個 bin 中資料點的數量。

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

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

heatmap, xedges, yedges = np.histogram2d(x, y, bins=50)
extent = [xedges[0], xedges[-1], yedges[0], yedges[-1]]

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

透過調整 bin 的數量，您可以控制熱圖的解析度。較小的 bin 會產生更細粒度的表示，而較大的 bin 會提供更全面的資料分佈概覽。

以上是如何使用 Matplotlib 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！