如何使用 Matplotlib 将散点数据转换为热图？

使用 Matplotlib 将散点数据可视化为热图

将散点图转换为热图可以更直观地表示数据分布。 Matplotlib 提供了多种方法来实现这种转换。

使用六边形作为热图单元

一种方法是利用 hexbin 函数创建六边形箱。每个 bin 代表一定数量的数据点，颜色强度反映了该 bin 内点的密度。

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 创建热图

An另一种方法是使用 Numpy 中的 histogram2d 函数。该函数生成一个 2D 直方图，其中每个 bin 对应于数据空间中的特定区域。直方图中的值代表每个 bin 中数据点的数量。

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()

通过调整 bin 的数量，您可以控制热图的分辨率。较小的 bin 会产生更细粒度的表示，而较大的 bin 会提供更全面的数据分布概览。

以上是如何使用 Matplotlib 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！