关系（六）利用python绘制二维密度图

HsuHeinrich

发布于 2024-05-27 17:02:23

1290

发布于 2024-05-27 17:02:23

文章被收录于专栏：HsuHeinrich

关系（六）利用python绘制二维密度图

二维密度图（2D Density Chart）简介

二维密度图可以表示两个数值变量组合的分布，通过颜色渐变（或等高线高低）表示区域内观测值的数量。既可以识别数据集中趋势，也可以分析两个变量之间是否存在某种关系等，

快速绘制

基于seaborn

import seaborn as sns
import matplotlib.pyplot as plt

# 导入数据
df = sns.load_dataset('iris')

# 利用kdeplot函数快速绘制
sns.kdeplot(x=df.sepal_width, y=df.sepal_length)
plt.show()

基于matplotlib

import matplotlib.pyplot as plt
import numpy as np
from scipy.stats import gaussian_kde

# 导入数据
df = sns.load_dataset('iris')
x = df.sepal_width
y = df.sepal_length

# gaussian kde
nbins=300
k = gaussian_kde([x,y])
xi, yi = np.mgrid[x.min():x.max():nbins*1j, y.min():y.max():nbins*1j]
zi = k(np.vstack([xi.flatten(), yi.flatten()]))

# 绘制密度图
plt.pcolormesh(xi, yi, zi.reshape(xi.shape), shading='auto')
plt.show()

定制多样化的二维密度图

自定义二维密度图一般是结合使用场景对相关参数进行修改，并辅以其他的绘图知识。参数信息可以通过官网进行查看，其他的绘图知识则更多来源于实战经验，大家不妨将接下来的绘图作为一种学习经验，以便于日后总结。

seaborn主要利用kdeplot绘制二维密度图，可以通过seaborn.kdeplot[1]了解更多用法

import seaborn as sns
import matplotlib.pyplot as plt

# 导入数据
df = sns.load_dataset('iris')

# 自定义颜色、阴影、带宽、透明度
sns.kdeplot(x=df.sepal_width, y=df.sepal_length, cmap="Reds", fill=True, bw_adjust=.5, thresh=0.1)
plt.show()