用hexpin对多组数据进行过批处理

Question

我正在对一个大的、非常密集的数据集进行一些KMeans聚类，我正试图找出可视化集群的最佳方式。在

在2D中，看起来hexbin会做得很好，但是我不能在同一个图形上过多地绘制簇。我想在每个簇上分别使用hexbin，并为每个簇使用不同的颜色映射，但由于某些原因，这似乎不起作用。 图中显示了当我试图绘制第二组和第三组数据时得到的结果。在

有什么建议吗？

经过一段时间的摆弄，我可以用Seaborn's kdeplot来制作这个

Answer 1

我个人认为你的kdeplot解决方案非常好（尽管我会在集群拦截部分做一些工作）。在任何情况下，作为对您的问题的回答，您可以提供hexbin的最小计数（将所有空单元格保留为透明）。这里有一个小函数，可以为任何想要做一些实验的人生成随机的集群（在评论中，您的问题似乎引起了用户的极大兴趣，可以随意使用它）：

import numpy as np
import matplotlib.pyplot as plt

# Building random clusters
def cluster(number):
    def clusterAroundX(a,b,number):
        x = np.random.normal(size=(number,))
        return (x-x.min())*(b-a)/(x.max()-x.min())+a
    def clusterAroundY(x,m,b):
        y = x.copy()
        half   = (x.max()-x.min())/2
        middle = half+x.min()
        for i in range(x.shape[0]):
            std = (x.max()-x.min())/(2+10*(np.abs(middle-x[i])/half))
            y[i] = np.random.normal(x[i]*m+b,std)
        return y + np.abs(y.min())
    m,b = np.random.randint(-700,700)/100,np.random.randint(0,50)
    print(m,b)
    f = np.random.randint(0,30)
    l = f + np.random.randint(10,50)
    x = clusterAroundX(f,l,number)
    y = clusterAroundY(x,m,b)
    return x,y

，使用这段代码，我用散点图绘制了一些聚类图（我通常用这个来做自己的聚类分析，但我想我应该看看seaborn）、hexbin、imshow（更改pcolormesh以获得更多控制）和contourf：

^{pr2}$

，结果如下：

{a1}