如何在matplotlib中制作由密度着色的散点图？

Question

我想制作一个散点图,其中每个点都由附近点的空间密度着色.

我遇到了一个非常相似的问题,它使用R显示了这个例子:

R Scatter Plot:符号颜色表示重叠点的数量

使用matplotlib在python中实现类似功能的最佳方法是什么？

Answer 1

除了hist2d或hexbin作为@askewchan建议,您可以使用在问题接受答案您链接到使用相同的方法.

如果你想这样做:

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()

如果您希望以密度的顺序绘制点,以便最密集的点始终位于顶部(类似于链接的示例),只需按z值对它们进行排序即可.我也会在这里使用较小的标记尺寸,因为它看起来好一点:

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()

Answer 2

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 万行大约需要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 10 万行的测试数据集：

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

下面是不同方法的比较。

1: mpl-scatter-density

安装

pip install mpl-scatter-density

示例代码

pip install mpl-scatter-density

绘制这个花了 0.05 秒：

放大看起来很不错：

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的克隆安装了 mpl 分支：

pip install "git+https://github.com/nvictus/datashader.git@mpl"

代码（这里是 dsshow 的来源）：

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()

• 绘制这个花了 0.83 秒：

放大的图像看起来很棒！

3: scatter_with_gaussian_kde

pip install "git+https://github.com/nvictus/datashader.git@mpl"

• 画这个花了 11 分钟：

4: using_hist2d

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()

• 绘制这个 bins=(50,50) 花了 0.021 秒：
• 绘制这个 bins=(1000,1000) 花了 0.173 秒：
• 缺点：放大后的数据看起来不如 mpl-scatter-density 或 datashader 中的好。您还必须自己确定垃圾箱的数量。

5: density_scatter

• 该代码是在回答由纪尧姆。
• 用 bins=(50,50) 绘制这个花了 0.073 秒：
• 用 bins=(1000,1000) 绘制这个花了 0.368 秒：

Answer 3

你可以做一个直方图:

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()

Answer 4

另外，如果点数使KDE计算太慢，则可以在np.histogram2d中插入颜色：

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] )