清晰显示高密度和低密度区域的热图（python）

Question

我有一个数据集，我想用热图来表示（x，y位置）。有几个地区的密度比其他地区高得多。这导致了这些高密度区域完全洗掉了低密度区域的细节。在

我认为与2d直方图或等高线图相比，使用Gaussian KDE提供了最好的表示（而且看起来也最漂亮），所以更喜欢使用这种方法的解决方案。在

我无法发布图片，因为这个帐号的重复次数少于10次，但是here are some examples of what I've tried。在

我的代码片段是基于我在下面链接的已经发布的代码片段，而不是重新发布（有些代码段相当长），但是如果有人问我，我会编辑它们以包括它们。在

前几个基于Ivo Bosticky在这个问题中的代码：Efficient method of calculating density of irregularly spaced points。那里的图像是我追求的“风格”。 如上面链接的相册所示，由于网格尺寸较小，低密度区域很难辨认，没有真实的细节。较高的网格大小显示了一些斑点细节，但实际上不是从高密度到低密度的平滑过渡。将值放在logscale上会在较低的分辨率上洗掉整个事情，而高分辨率则会显示细节，但不会适当地混合网格。在

该相册中的第二对基于scipy.stats.gaussian_kde示例。更改gridsize似乎基本上没有效果，logscale再次将其洗刷干净。在

那么TLDR:我如何制作一个二维高斯KDE，在高密度和低密度区域平滑地显示细节？在

Answer 1

下面是一个例子来说明我的建议-这是基于this matplotlib example:

import matplotlib.pyplot as plt
import numpy as np



# make these smaller to increase the resolution
dx, dy = 0.01, 0.01

# generate 2 2d grids for the x & y bounds
y, x = np.mgrid[slice(1, 5 + dy, dy),
                slice(1, 5 + dx, dx)]

z = np.sin(x) ** 10 + np.cos(10 + y * x) * np.cos(x)

plt.contourf(x,y,z, 20, cmap = 'rainbow')    #change these levels
plt.contour(x,y,z, 5, colors = 'k', linewidths = .25) #and here

plt.show()

Answer 2

表示分散数据的最简单方法是使用散点图。当然，问题是，一旦达到某个点密度，散点图就不能提供进一步的信息。在这种情况下，我们使用基于某些KDE的直方图或热图。然而，这些方法总是删除数据集中不太密集区域的细节。在

因此，我的建议是用kde值来着色散点图。E、 g.作为

pyplot.scatter(your_x,your_y,c=your_kde_value,marker='.',linewidth=0)

这里，your_kde_value是一个数组，包含散点图上KDE函数的值（即，它应该具有与your_x和your_y相同的形状。在

结果可能如下（使用双变量正态分布中的10000个点样本：

如您所见，颜色信息提供了中心的所有细节，而我们仍然保留了外围点。在