如何在matplotlib中绘制以密度着色的散点图？

2022-12-15 21:43| 来源: 网络整理| 查看: 265

绘制> 100k数据点？

该接受的答案，使用gaussian_kde（）将花费大量的时间。在我的机器上，10万行花了大约11分钟。在这里，我将添加两种替代方法（mpl-scatter-density和datashader），并将给定的答案与相同的数据集进行比较。

在下面，我使用了一个100k行的测试数据集：

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) 输出和计算时间比较

以下是不同方法的比较。

1: mpl-scatter-density

安装

pip install mpl-scatter-density

范例程式码

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()

绘制时间为0.05秒：使用mpl-scatter-density

放大看起来非常不错：放大mpl-scatter-density

2: datashader Datashader是一个有趣的项目。但是，截至2020年9月，对matplotlib的支持是WIP。我从nvictus的克隆中安装了mpl分支： pip install "git+https://github.com/nvictus/datashader.git@mpl"

代码（此处dsshow的源）：

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() 花费了0.83 s来绘制：

在此处输入图片说明

缩放后的图像看起来很棒！

在此处输入图片说明

3: scatter_with_gaussian_kde def 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='') 花了11分钟画出了这个：

4: using_hist2d import 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) 绘制此容器=（50,50）用了0.021 s： using_hist2d_50

花了0.173 s绘制了这些容器=（1000,1000）： using_hist2d_1000

缺点：放大后的数据看起来不如mpl-scatter-density或datashader那样好。另外，您还必须自己确定垃圾箱的数量。

放大hist2d 1000bins

5: density_scatter 该代码是在回答由纪尧姆。用bins =（50,50）画了0.073 s： density_scatter_50bins

用bins =（1000,1000）画了0.368 s： density_scatter_1000bins

【本文地址】

公司简介

联系我们