Comment puis-je faire un nuage de points colorés par la densité de matplotlib?

Je voudrais faire un nuage de points où chaque point est influencée par la densité spatiale des points voisins.

Je suis tombé sur une question très semblable, ce qui montre un exemple de ce à l'aide de R:

R nuage de points: la couleur du symbole représente le nombre de points qui se chevauchent

Quelle est la meilleure façon d'accomplir quelque chose de similaire en python à l'aide de matplotlib?

  • Salut! Les gens ont été downvoting vous probablement parce que vous n'avez pas de réécrire la question ou donner n'importe quel contexte, ni ne vous montrez toute tentative de faire la chose vous-même. Envisager la modification de la question pour être auto-suffisant (pas juste un lien), et pour les questions d'avenir, veuillez faire une tentative avant de poster.
InformationsquelleAutor 2964502 | 2013-11-20
  1. 115

    En plus de hist2d ou hexbin comme @askewchan suggéré, vous pouvez utiliser la même méthode que l'on a accepté de répondre aux questions liées aux utilisations.

    Si vous voulez le faire:

    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()

    Comment puis-je faire un nuage de points colorés par la densité de matplotlib?

    Si vous souhaitez que les points à tracer dans l'ordre de densité, de sorte que le plus dense de points sont toujours au top (similaire à la lié exemple), il suffit de les trier par le z-valeurs. Je vais aussi utiliser une plus petite taille de marqueur ici que ça ressemble un peu mieux:

    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()

    Comment puis-je faire un nuage de points colorés par la densité de matplotlib?

    • Astucieux, en particulier l'obtention de la " plus dense ceux sur le dessus 🙂
    • L'éther appel plt.colorbar(), ou si vous préférez être plus explicite, ne cax = ax.scatter(...) et puis fig.colorbar(cax). Être conscient que les unités sont différentes. Cette méthode permet d'estimer la fonction de distribution de probabilité pour les points, de sorte que les valeurs entre 0 et 1 (et généralement de ne pas être très proche de 1). Vous pouvez convertir à quelque chose de plus proche de l'histogramme des comptes, mais elle prend un peu de travail (vous devez connaître les paramètres qui gaussian_kde estimée à partir des données).
    • Très sympa! De vérifier d'autres KDEs en Python peut aussi être utile: jakevdp.github.io/blog/2013/12/01/le noyau de la densité d'estimation et scikit-learn.org/stable/modules/density.html Dans mon cas, scipy.stats' KDE a été trop long
    • Pourquoi est-noyau Gaussien appelé deux fois avec (xy)?
    • Le premier appel crée un nouveau gaussian_kde objet et l'appel de la deuxième évalue l'estime pdf sur l'ensemble des points (raccourci pour appeler la méthode evaluate).
    • matrice singulière erreur pour kde

    InformationsquelleAutor Joe Kington
  2. 26

    Vous pourriez faire un histogramme:

    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()

    Comment puis-je faire un nuage de points colorés par la densité de matplotlib?

    InformationsquelleAutor askewchan
  3. 10

    Aussi, si le nombre de point de KDE calcul trop lent, la couleur peut être interpolée dans np.histogram2d :

    import numpy as np
import matplotlib.pyplot as plt
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)
    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 )

    # 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 )
    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] )

    Comment puis-je faire un nuage de points colorés par la densité de matplotlib?

    • C'est une bonne astuce, merci. J'ai été tracé 100k points et gaussian_kde était affreusement lent.
    • Avertissement, j'ai remarqué que dans certains cas, cela génère des NaNs et parce que "bounds_error = False" c'est le silence. Points avec c mis à NaNs sont pas tracées. Ce n'est pas un problème avec gaussian_kde.
    InformationsquelleAutor Guillaume