如何在matplotlib中绘制以密度着色的散点图？

我想作一个散点图，其中每个点都由附近点的空间密度着色。

我遇到了一个非常类似的问题，其中显示了使用R的示例：

R散点图：符号颜色代表重叠点的数量

使用matplotlib在python中完成类似操作的最佳方法是什么？

除了@askewchan所建议的之外，hist2d或者hexbin您可以使用@askewchan建议的方法，也可以使用与链接到的问题中的已接受答案相同的方法。

如果要这样做：

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()

如果希望按密度顺序绘制点，以使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。我还将在此处使用较小的标记大小，因为它看起来更好一些：

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()

您可以制作一个直方图：

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()

另外，如果点数使KDE计算太慢，则可以在np.histogram2d中插入颜色[更新以响应注释：如果要显示颜色条，请使用plt.scatter（）代替ax.scatter（）通过plt.colorbar（）]：

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] )

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：

放大看起来非常不错：

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：

缩放后的图像看起来很棒！

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：
• 花了0.173 s绘制了这些容器=（1000,1000）：
• 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。

5: density_scatter

• 该代码是在回答由纪尧姆。
• 用bins =（50,50）画了0.073 s：
• 用bins =（1000,1000）画了0.368 s：