我该如何策划ca.作为散点图的2000万点？

Question

我正在尝试使用matplotlib创建一个散点图。约2000万个数据点。即使在最终没有可见数据之前将alpha值设置为最低值之后，结果也只是一个完全黑色的图。

plt.scatter(timedPlotData, plotData, alpha=0.01, marker='.')

x轴是约2个月的连续时间轴，y轴由150k个连续的整数值组成。

有没有办法绘制所有点，以便它们随时间的分布仍然可见？

感谢您的帮助。

Answer 1

这样做的方法不止一种。很多人建议使用热图/核密度估计/ 2d直方图。 @Bucky建议使用移动平均线。此外，您可以在移动最小值和移动最大值之间填充，并在顶部绘制移动平均值。我经常把它称为“块状图”，但这是一个可怕的名字。下面的实现假设您的时间（x）值单调递增。如果不是，那么在y函数中“分块”之前，x按chunkplot排序就足够简单了。

以下是一些不同的想法。哪个最好取决于你想要在情节中强调什么。请注意，这将是相当慢的运行，但这主要是由于散点图。其他绘图风格很多更快。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import datetime as dt
np.random.seed(1977)

def main():
    x, y = generate_data()
    fig, axes = plt.subplots(nrows=3, sharex=True)
    for ax in axes.flat:
        ax.xaxis_date()
    fig.autofmt_xdate()

    axes[0].set_title('Scatterplot of all data')
    axes[0].scatter(x, y, marker='.')

    axes[1].set_title('"Chunk" plot of data')
    chunkplot(x, y, chunksize=1000, ax=axes[1],
              edgecolor='none', alpha=0.5, color='gray')

    axes[2].set_title('Hexbin plot of data')
    axes[2].hexbin(x, y)

    plt.show()

def generate_data():
    # Generate a very noisy but interesting timeseries
    x = mdates.drange(dt.datetime(2010, 1, 1), dt.datetime(2013, 9, 1),
                      dt.timedelta(minutes=10))
    num = x.size
    y = np.random.random(num) - 0.5
    y.cumsum(out=y)
    y += 0.5 * y.max() * np.random.random(num)
    return x, y

def chunkplot(x, y, chunksize, ax=None, line_kwargs=None, **kwargs):
    if ax is None:
        ax = plt.gca()
    if line_kwargs is None:
        line_kwargs = {}
    # Wrap the array into a 2D array of chunks, truncating the last chunk if
    # chunksize isn't an even divisor of the total size.
    # (This part won't use _any_ additional memory)
    numchunks = y.size // chunksize
    ychunks = y[:chunksize*numchunks].reshape((-1, chunksize))
    xchunks = x[:chunksize*numchunks].reshape((-1, chunksize))

    # Calculate the max, min, and means of chunksize-element chunks...
    max_env = ychunks.max(axis=1)
    min_env = ychunks.min(axis=1)
    ycenters = ychunks.mean(axis=1)
    xcenters = xchunks.mean(axis=1)

    # Now plot the bounds and the mean...
    fill = ax.fill_between(xcenters, min_env, max_env, **kwargs)
    line = ax.plot(xcenters, ycenters, **line_kwargs)[0]
    return fill, line

main()

Answer 2

对于每一天，计算每个值的频率（collections.Counter将很好地完成此操作），然后绘制值的热图，每天一个。出版时，请使用灰度图作为热图颜色。

Answer 3

我的建议是在绘制之前对原始数据使用排序和移动平均算法。这应该会在感兴趣的时间段内保持平均值和趋势不变，同时为您提供减少杂乱的情节。

Answer 4

每天将值组合成一个波段，并使用计数，值带，日的三维直方图。

通过这种方式，您可以清楚地了解每天在给定乐队中出现的次数。