matplotlib 中具有重叠点的散点图的可视化

Posted 2023-02-16

【中文标题】matplotlib 中具有重叠点的散点图的可视化

【英文标题】：Visualization of scatter plots with overlapping points in matplotlib

【发布时间】：2013-10-04 13:52:25

【问题描述】：

我必须在 matplotlib 的散点图中表示大约 30,000 个点。这些点属于两个不同的类，所以我想用不同的颜色来描绘它们。

我成功了，但是有一个问题。这些点在许多区域中重叠，我最后描述的类将在另一个之上可视化，隐藏它。此外，散点图无法显示每个区域中有多少点。 我也试过用 histogram2d 和 imshow 制作一个二维直方图，但是很难清楚地显示属于这两个类的点。

您能否提出一种方法来明确类别的分布和点的集中度？

编辑：为了更清楚，这是 link 到我的数据文件中，格式为“x,y,class”

【问题讨论】：

为什么不用两种颜色的直方图？看起来还不够好吗？

@OfirIsrael 我曾尝试使用 histogram2d 和 imshow 与 alpha 水平有两个重叠的直方图，但结果似乎很差

您是否尝试过使用轮廓而不是 alpha 混合来显示直方图？ matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.contour

不要在您的数据中添加噪音，这会越界进入不道德的数据操作。

@tcaswell 当且仅当你隐藏它时，它才会越界进入不道德的数据操作。

【参考方案1】：

一种方法是将数据绘制为 低 alpha 散点图，这样您就可以看到各个点以及粗略的密度测量。 （这样做的缺点是该方法可以显示的重叠范围有限 - 即最大密度约为 1/alpha。）

这是一个例子：

您可以想象，由于可以表达的重叠范围有限，因此需要在各个点的可见性和重叠量的表达（以及标记、绘图等的大小）之间进行权衡。

import numpy as np
import matplotlib.pyplot as plt

N = 10000
mean = [0, 0]
cov = [[2, 2], [0, 2]]
x,y = np.random.multivariate_normal(mean, cov, N).T

plt.scatter(x, y, s=70, alpha=0.03)
plt.ylim((-5, 5))
plt.xlim((-5, 5))
plt.show()

（我在这里假设您的意思是 30e3 点，而不是 30e6。对于 30e6，我认为需要某种类型的平均密度图。）

【参考方案2】：

您还可以通过首先计算散点分布的核密度估计，然后使用密度值为散点的每个点指定颜色来为点着色。修改前面示例中的代码：

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import gaussian_kde as kde
from matplotlib.colors import Normalize
from matplotlib import cm

N = 10000
mean = [0,0]
cov = [[2,2],[0,2]]

samples = np.random.multivariate_normal(mean,cov,N).T
densObj = kde( samples )

def makeColours( vals ):
    colours = np.zeros( (len(vals),3) )
    norm = Normalize( vmin=vals.min(), vmax=vals.max() )

    #Can put any colormap you like here.
    colours = [cm.ScalarMappable( norm=norm, cmap='jet').to_rgba( val ) for val in vals]

    return colours

 colours = makeColours( densObj.evaluate( samples ) )

 plt.scatter( samples[0], samples[1], color=colours )
 plt.show()

前段时间，当我注意到 scatter 函数的文档时，我学会了这个技巧 --

c : color or sequence of color, optional, default : 'b'

c 可以是单个颜色格式字符串，也可以是长度为N 的颜色规范序列，或者是使用cmap 和norm 指定的要映射到颜色的N 数字序列kwargs（见下文）。请注意，c 不应是单个数字 RGB 或 RGBA 序列，因为它与要进行颜色映射的值数组无法区分。 c 可以是二维数组，其中行是 RGB 或 RGBA，但是，包括为所有点指定相同颜色的单行的情况。

【讨论】：

对于绘制大型数据集时最常遇到的问题之一，这是一个令人惊叹的解决方案。干得好！

有没有什么办法可以在上图中加一个颜色条来表示每种颜色的密度？

您可以通过简单地使用 scatter 方法的cmap kwarg 来优化此解决方案（即plt.scatter(samples[0], samples[1], c=densObj.evaluate(samples), cmap="jet")，无需额外的功能。

@ZackEriksen 试试plt.colorbar()

【参考方案3】：

我的回答可能无法完美回答您的问题，但是，我也尝试绘制重叠点，但我的完全重叠。因此我想出了这个函数来抵消相同的点。

import numpy as np

def dodge_points(points, component_index, offset):
    """Dodge every point by a multiplicative offset (multiplier is based on frequency of appearance)

    Args:
        points (array-like (2D)): Array containing the points
        component_index (int): Index / column on which the offset will be applied 
        offset (float): Offset amount. Effective offset for each point is `index of appearance` * offset

    Returns:
        array-like (2D): Dodged points
    """

    # Extract uniques points so we can map an offset for each
    uniques, inv, counts = np.unique(
        points, return_inverse=True, return_counts=True, axis=0
    )

    for i, num_identical in enumerate(counts):
        # Prepare dodge values
        dodge_values = np.array([offset * i for i in range(num_identical)])
        # Find where the dodge values must be applied, in order
        points_loc = np.where(inv == i)[0]
        #Apply the dodge values
        points[points_loc, component_index] += dodge_values

    return points

这是之前和之后的示例。

之前：

之后：

此方法仅适用于完全重叠的点（或者如果您愿意以np.unique 找到匹配点的方式对点进行四舍五入）。