当我尝试制作散射图时，按密度着色，它需要永远。
可能是因为数据的长度非常大。
这基本上就是我这样做的：
xy = np.vstack([np.array(x_values),np.array(y_values)])
z = gaussian_kde(xy)(xy)
plt.scatter(np.array(x_values), np.array(x_values), c=z, s=100, edgecolor='')
作为附加信息，我必须补充一点：
>>len(x_values)
809649
>>len(y_values)
809649
是否有其他选择可以获得相同的结果但速度效果更好？
答案 0 :(得分：1)
不，没有好的解决方法。
每个点都应该准备好，并画一个圆，其他点可能会将其隐藏。
我的窍门：（请注意，这点可能会稍微改变输出）
获取最大值和最小值，并将图像设置为该尺寸，从而无需重做图形。
尽可能删除数据：
重复数据
以选定的精度（例如浮点数）转换并删除重复的数据。您可以使用点的一半大小来计算精度（如果需要原始外观，则可以使用图形的分辨率来计算精度）。
数据减少：速度更快。删除比在图形中绘制一个点要快得多（将被覆盖）。
对于大量数据集，热图通常更有趣：它提供了更多信息。但就您而言，我认为您仍然有太多数据。
注意：https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.gaussian_kde.html#scipy.stats.gaussian_kde也有一个很好的例子（仅2000点）。无论如何，这些页面也使用了我的第一点。
答案 1 :(得分：0)
我建议绘制数据样本。 如果样本足够大，您应该得到相同的分布。 确保绘图与整个数据集相关也很容易，因为您可以简单地抽取多个样本并在它们之间进行比较。