मैं एक स्कैटर प्लॉट बनाना चाहूंगा जहां प्रत्येक बिंदु पास के बिंदुओं के स्थानिक घनत्व द्वारा रंगीन हो।
मैं एक बहुत ही समान प्रश्न पर आया हूं, जो R का उपयोग करके इसका एक उदाहरण दिखाता है:
स्कैटर प्लॉट: प्रतीक रंग अतिव्यापी बिंदुओं की संख्या का प्रतिनिधित्व करता है
माइटप्लोटलिब का उपयोग करके अजगर में कुछ इसी तरह से पूरा करने का सबसे अच्छा तरीका क्या है?
जवाबों:
hist2dया hexbinजैसा कि @askewchan ने सुझाव दिया है, इसके अलावा , आप उसी विधि का उपयोग कर सकते हैं जो आपके द्वारा उपयोग किए गए प्रश्न में स्वीकृत उत्तर है।
यदि आप ऐसा करना चाहते हैं:
import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import gaussian_kde
# Generate fake data
x = np.random.normal(size=1000)
y = x * 3 + np.random.normal(size=1000)
# Calculate the point density
xy = np.vstack([x,y])
z = gaussian_kde(xy)(xy)
fig, ax = plt.subplots()
ax.scatter(x, y, c=z, s=100, edgecolor='')
plt.show()
यदि आप चाहते हैं कि घनत्व के क्रम में बिंदुओं को प्लॉट किया जाए ताकि घने बिंदु हमेशा शीर्ष पर (लिंक किए गए उदाहरण के समान) हों, तो बस उन्हें z-मानों द्वारा क्रमबद्ध करें। मैं यहाँ एक छोटे मार्कर आकार का उपयोग करने जा रहा हूँ क्योंकि यह थोड़ा बेहतर दिखता है:
import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import gaussian_kde
# Generate fake data
x = np.random.normal(size=1000)
y = x * 3 + np.random.normal(size=1000)
# Calculate the point density
xy = np.vstack([x,y])
z = gaussian_kde(xy)(xy)
# Sort the points by density, so that the densest points are plotted last
idx = z.argsort()
x, y, z = x[idx], y[idx], z[idx]
fig, ax = plt.subplots()
ax.scatter(x, y, c=z, s=50, edgecolor='')
plt.show()
plt.colorbar(), या यदि आप अधिक स्पष्ट होना पसंद करते हैं, तो cax = ax.scatter(...)और फिर fig.colorbar(cax)। विदित हो कि इकाइयां अलग-अलग हैं। यह विधि अंकों के लिए संभाव्यता वितरण फ़ंक्शन का अनुमान लगाती है, इसलिए मान 0 1 1 (और आम तौर पर 1 के बहुत करीब नहीं मिलेगा) के बीच होगा। आप हिस्टोग्राम काउंट्स के करीब वापस कुछ में परिवर्तित कर सकते हैं, लेकिन इसमें थोड़ा काम लगता है (आपको gaussian_kdeडेटा से अनुमानित मापदंडों को जानने की आवश्यकता है )।
आप हिस्टोग्राम बना सकते हैं:
import numpy as np
import matplotlib.pyplot as plt
# fake data:
a = np.random.normal(size=1000)
b = a*3 + np.random.normal(size=1000)
plt.hist2d(a, b, (50, 50), cmap=plt.cm.jet)
plt.colorbar()
plt.hist2d(…, norm = LogNorm())(साथ from matplotlib.colors import LogNorm)।
इसके अलावा, अगर बिंदु की संख्या केडीई गणना को बहुत धीमा कर देती है, तो रंग को np.histogram2d में इंटरपोल किया जा सकता है [टिप्पणियों के जवाब में अपडेट करें: यदि आप कलरबार दिखाना चाहते हैं, तो ax.scatter () के बजाय plt.scatter () का उपयोग करें। plt.colorbar ()] द्वारा:
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm
from matplotlib.colors import Normalize
from scipy.interpolate import interpn
def density_scatter( x , y, ax = None, sort = True, bins = 20, **kwargs ) :
"""
Scatter plot colored by 2d histogram
"""
if ax is None :
fig , ax = plt.subplots()
data , x_e, y_e = np.histogram2d( x, y, bins = bins, density = True )
z = interpn( ( 0.5*(x_e[1:] + x_e[:-1]) , 0.5*(y_e[1:]+y_e[:-1]) ) , data , np.vstack([x,y]).T , method = "splinef2d", bounds_error = False)
#To be sure to plot all data
z[np.where(np.isnan(z))] = 0.0
# Sort the points by density, so that the densest points are plotted last
if sort :
idx = z.argsort()
x, y, z = x[idx], y[idx], z[idx]
ax.scatter( x, y, c=z, **kwargs )
norm = Normalize(vmin = np.min(z), vmax = np.max(z))
cbar = fig.colorbar(cm.ScalarMappable(norm = norm), ax=ax)
cbar.ax.set_ylabel('Density')
return ax
if "__main__" == __name__ :
x = np.random.normal(size=100000)
y = x * 3 + np.random.normal(size=100000)
density_scatter( x, y, bins = [30,30] )
स्वीकार किए जाते हैं जवाब , का उपयोग कर gaussian_kde () बहुत समय लगेगा। मेरी मशीन पर, 100k पंक्तियों में लगभग 11 मिनट लगे । यहाँ मैं दो वैकल्पिक विधियाँ ( mpl- तितर बितर-घनत्व और डेटाशेयर ) जोड़ूँगा और समान डेटासेट के साथ दिए गए उत्तरों की तुलना करूँगा ।
निम्नलिखित में, मैंने 100k पंक्तियों के एक परीक्षण डेटा सेट का उपयोग किया:
import matplotlib.pyplot as plt
import numpy as np
# Fake data for testing
x = np.random.normal(size=100000)
y = x * 3 + np.random.normal(size=100000)
नीचे विभिन्न तरीकों की तुलना है।
1: mpl-scatter-densityइंस्टालेशन
pip install mpl-scatter-density
उदाहरण कोड
import mpl_scatter_density # adds projection='scatter_density'
from matplotlib.colors import LinearSegmentedColormap
# "Viridis-like" colormap with white background
white_viridis = LinearSegmentedColormap.from_list('white_viridis', [
(0, '#ffffff'),
(1e-20, '#440053'),
(0.2, '#404388'),
(0.4, '#2a788e'),
(0.6, '#21a784'),
(0.8, '#78d151'),
(1, '#fde624'),
], N=256)
def using_mpl_scatter_density(fig, x, y):
ax = fig.add_subplot(1, 1, 1, projection='scatter_density')
density = ax.scatter_density(x, y, cmap=white_viridis)
fig.colorbar(density, label='Number of points per pixel')
fig = plt.figure()
using_mpl_scatter_density(fig, x, y)
plt.show()
इसे खींचने में 0.05 सेकंड का समय लगा:
और ज़ूम इन काफी अच्छा लगता है:
2: datashaderpip install "git+https://github.com/nvictus/datashader.git@mpl"
from functools import partial
import datashader as ds
from datashader.mpl_ext import dsshow
import pandas as pd
dyn = partial(ds.tf.dynspread, max_px=40, threshold=0.5)
def using_datashader(ax, x, y):
df = pd.DataFrame(dict(x=x, y=y))
da1 = dsshow(df, ds.Point('x', 'y'), spread_fn=dyn, aspect='auto', ax=ax)
plt.colorbar(da1)
fig, ax = plt.subplots()
using_datashader(ax, x, y)
plt.show()
और ज़ूम की गई छवि बहुत अच्छी लगती है!
3: scatter_with_gaussian_kdedef scatter_with_gaussian_kde(ax, x, y):
# https://stackoverflow.com/a/20107592/3015186
# Answer by Joel Kington
xy = np.vstack([x, y])
z = gaussian_kde(xy)(xy)
ax.scatter(x, y, c=z, s=100, edgecolor='')
4: using_hist2dimport matplotlib.pyplot as plt
def using_hist2d(ax, x, y, bins=(50, 50)):
# https://stackoverflow.com/a/20105673/3015186
# Answer by askewchan
ax.hist2d(x, y, bins, cmap=plt.cm.jet)
5: density_scatter
