如何将带有坐标和频率的字典转换为矩阵？

Question

我有一本字典看起来像：

data = {(-1.0, 4.0): 1, (2.0, 2.0): 12, (3.0, 1.0): 8}

我想做一个矩阵，看起来像：

[[0. 0. 0. 0. 0.]
 [1. 0. 0. 0. 0.]
 [0. 0. 0. 12. 0.]
 [0. 0. 0. 0. 8.]
 [0. 0. 0. 0. 0.]]

字典中的每个键都是我矩阵中的“坐标”（从左下角开始），轴的限制由我定义（xlim:-3，13，ylim:-6，8）未显示。你知道吗

我试着这样做：

matrix = np.zeros((5,5))
for (x, y), z in data.items():
    x = int(x)
    y = int(y)

    matrix[y,x] = z

但是我在负维度上有错误。你知道吗

我的最终目标是将我的字典绘制成某种直方图，其中坐标是x，y，字典值（freq）是我的z维或“深度”。你知道吗

Answer 1

与前面的建议类似，“移动”矩阵到正区域，然后使用x和y偏移定位坐标：

import numpy as np
data = {(-1.0, 4.0): 1, (2.0, 2.0): 12, (3.0, 1.0): 8}
x_offset = 3
y_offset = 6
mat = np.zeros((17, 15))
for (x, y), z in data.items():
    mat[int(y + y_offset), int(x + x_offset)] = z

编辑

好吧，我想这就是你的想法（我假设在x和y坐标中都有负值）：

如果要硬编码x和y值的范围（xlim:-3、13、ylim:-6、8）：

x_min, x_max = -3, 13
y_min, y_max = -6, 8

或根据数据确定：

x_min = min([x for (x, y), z in data.items()])
y_min = min([y for (x, y), z in data.items()])
x_max = max([x for (x, y), z in data.items()])
y_max = max([y for (x, y), z in data.items()])

然后使用：

x_offset = abs(x_min)
y_offset = abs(y_min)

mat = np.zeros((y_max + y_offset + 1, x_max + x_offset + 1))    # (Row, column) becomes (y, x)

for (x, y), z in data.items():
    print(x, y)
    mat[int(y + y_offset), int(x + x_offset)] = z

pd.DataFrame(mat, columns=range(x_min, x_max + 1), 
                  index=range(y_min, y_max + 1))

然后使用以下公式绘图：

plt.imshow(mat, origin='lower', extent=[x_min, x_max + 1, 
                                        y_min, y_max + 1])