在python

Question

我有3维数据。我想绘制前两个尺寸并按第三个颜色着色。我希望它像hist2d一样显示，除了希望不被前两个维着色外，我希望它由第三个维着色。我认为这将需要对所有内容进行分箱。如何做到这一点？

示例数据：

x = np.random.normal(loc=10, scale=2, size=100)
y = np.random.normal(loc=25, scale=5, size=100)
z = np.cos(x)+np.sin(y)

我想绘制x vs y并通过强度z着色。但是，不仅仅是散点图，我希望它以this之类的图像形式出现。

Answer 1

一种简单的解决方案，因为数据不是基于网格构建的，所以要使用matplotlib中的tripcolor（也有tricontourf）：

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

x = np.random.normal(loc=10, scale=2, size=100)
y = np.random.normal(loc=25, scale=5, size=100)
z = np.cos(x)+np.sin(y)

plt.tripcolor(x, y, z);
plt.plot(x, y, '.k');

另一种解决方案是在可视化之前，使用例如Scipy的griddata将数据插值到常规网格上：

from scipy.interpolate import griddata

# define the grid
x_fine = np.linspace(min(x), max(x), 200)
y_fine = np.linspace(min(y), max(y), 200)

x_grid, y_grid = np.meshgrid(x_fine, y_fine)

# interpolate the data:
z_grid = griddata((x, y), z, (x_grid.ravel(), y_grid.ravel()), method='cubic').reshape(x_grid.shape)

plt.pcolor(x_fine, y_fine, z_grid);
plt.plot(x, y, '.k');

Answer 2

我将ggplot用于R，而对于python则不多，但这是一个示例：

import pandas as pd
import numpy as np
# is this the best implementation of ggplot?
from plotnine import *

x = np.random.normal(loc=10, scale=2, size=100)
y = np.random.normal(loc=25, scale=5, size=100)
z = np.cos(x)+np.sin(y)

df = pd.DataFrame({'x':x, 'y':y, 'z':z})

p = ggplot(df, aes(x='x', y='y', colour='z')) + geom_point()
p = p + scale_color_distiller(type='div', palette='RdYlBu')
p