使用散点数据在MatPlotLib中生成热图

Answer 1

在Matplotlib字典中，我想您需要一个hexbin绘图。

如果您不熟悉这种类型的绘图，它只是一个二元直方图其中xy平面由规则的六边形网格细分。

所以从柱状图上，你可以计算每个六边形中的点数，将绘图区域离散化为一组窗口，将每个点分配给其中一个窗口；最后，将窗口映射到一个颜色数组，得到一个hexbin图。

尽管不像圆或正方形那样常用，但六边形是装箱容器几何结构的更好选择，这是直观的：

• 六边形具有近邻对称性， e、 从正方形边界上的一点到另一点的距离 在这个正方形内，并非所有地方都相等）和

• 六边形是最高的n多边形，它给出正平面 镶嵌（即，您可以使用六边形瓷砖安全地重新建模厨房地板，因为完成后瓷砖之间不会有任何空隙——对于所有其他更高的n，n>；=7，多边形来说不是这样）。

（Matplotlib使用术语hexbinplot；对于R的所有{a1}也是（AFAIK）；我仍然不知道这是否是这类图的普遍接受的术语，尽管我怀疑可能是因为hexbin是六角形binning的缩写，这描述了准备显示数据的基本步骤。）

---

from matplotlib import pyplot as PLT
from matplotlib import cm as CM
from matplotlib import mlab as ML
import numpy as NP

n = 1e5
x = y = NP.linspace(-5, 5, 100)
X, Y = NP.meshgrid(x, y)
Z1 = ML.bivariate_normal(X, Y, 2, 2, 0, 0)
Z2 = ML.bivariate_normal(X, Y, 4, 1, 1, 1)
ZD = Z2 - Z1
x = X.ravel()
y = Y.ravel()
z = ZD.ravel()
gridsize=30
PLT.subplot(111)

# if 'bins=None', then color of each hexagon corresponds directly to its count
# 'C' is optional--it maps values to x-y coordinates; if 'C' is None (default) then 
# the result is a pure 2D histogram 

PLT.hexbin(x, y, C=z, gridsize=gridsize, cmap=CM.jet, bins=None)
PLT.axis([x.min(), x.max(), y.min(), y.max()])

cb = PLT.colorbar()
cb.set_label('mean value')
PLT.show()