快捷導(dǎo)航

python繪制二維直方圖的代碼實(shí)現(xiàn)

更新時(shí)間：2023年07月13日 09:16:28 作者：微小冷

本文主要介紹了python繪制二維直方圖的代碼實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

hist+scatter

如果想描述二維數(shù)據(jù)的分布特征，那么一個(gè)直方圖顯然是不夠用的，為此可使用兩個(gè)直方圖分別代表x和y方向上的分布情況，同時(shí)透過散點(diǎn)圖查看其整體的分布特征。

下面創(chuàng)建一組二元高斯分布的數(shù)據(jù)，用于直方圖測試。多元高斯分布的主要參數(shù)仍為期望和方差，但所謂多元分布，在坐標(biāo)層面的表現(xiàn)就是坐標(biāo)軸的個(gè)數(shù)，也就是向量維度。所以N個(gè)元素對(duì)應(yīng)N維向量，也就有N個(gè)期望；而方差則進(jìn)化為了協(xié)方差矩陣

import numpy as np
import matplotlib.pyplot as plt
mean = [0, 0]
cov = [[0, 1], [10, 0]]
x, y = np.random.multivariate_normal(mean, cov, 5000).T

其中，x,y就是待統(tǒng)計(jì)的數(shù)據(jù)。

fig = plt.figure()
gs = fig.add_gridspec(2, 2,  
    width_ratios=(4, 1),  
    height_ratios=(1, 4))
ax = fig.add_subplot(gs[1, 0])
ax.scatter(x, y, marker='x')        # 散點(diǎn)圖繪制
xHist = fig.add_subplot(gs[0, 0], sharex=ax)
xHist.tick_params(axis="x", labelbottom=False)
yHist = fig.add_subplot(gs[1, 1], sharey=ax)
yHist.tick_params(axis="y", labelleft=False)
binwidth = 0.25
lim = (int(np.max(np.abs([x,y]))/0.25) + 1) * 0.25
bins = np.arange(-lim, lim + binwidth, binwidth)
xHist.hist(x, bins=bins)
yHist.hist(y, bins=bins, orientation='horizontal')
plt.show()

其中，tick_params用于取消直方圖左側(cè)和下面的坐標(biāo)刻度，效果如下

hist2d

相比之下，hist2d可以更加便捷地繪制直方圖，并以圖像的形式反饋回來

當(dāng)然，也可以把hist+scatter圖中的散點(diǎn)圖代之以hist2d

fig = plt.figure()
gs = fig.add_gridspec(2, 2,  
    width_ratios=(4, 1),  
    height_ratios=(1, 4))
ax = fig.add_subplot(gs[1, 0])
ax.hist2d(x, y, bins=40)        # 散點(diǎn)圖繪制
xHist = fig.add_subplot(gs[0, 0], sharex=ax)
xHist.tick_params(axis="x", labelbottom=False)
yHist = fig.add_subplot(gs[1, 1], sharey=ax)
yHist.tick_params(axis="y", labelleft=False)
binwidth = 0.25
lim = (int(np.max(np.abs([x,y]))/0.25) + 1) * 0.25
bins = np.arange(-lim, lim + binwidth, binwidth)
xHist.hist(x, bins=bins)
yHist.hist(y, bins=bins, orientation='horizontal')
plt.show()