我正在为具有数百万个数据点的某些数据制作2D直方图。 matplotlib.hist2d(x,y,bins,norm=LogNorm())
运作良好,并在大约5秒钟内生成了一个图,但我喜欢seaborn.jointplot()
的边际直方图。我如何用seaborn.jointplot()
图中的点的对数密度为matplotlib.hist2d()
中的点着色?使用KDE花费的时间太长(大约一分钟后我放弃了),并且有很多需要创建的数字。因此,“获取”颜色的时间是一个因素。另外,如何将边际直方图添加到matplotlib.hist2d()
?
plt.hist2d(x,y,100,norm=LogNorm(),cmap='jet')
sns.jointplot(x=x, y=y)
答案 0 :(得分:2)
在seaborn
中可能有另一种直接获得颜色图的方法。我还没找到。这是一个骇人听闻的示例解决方案,可用于处理一些随机数据。关于第二个问题,我建议您发布一个新问题。
诀窍是先使用seaborn创建一个jointplot
,然后隐藏2d散点,然后使用plt.hist2d
重新绘制它
import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cm as cm
# some random data
x = np.random.normal(size=100000)
y = x * 3.5 + np.random.normal(size=100000)
ax1 = sns.jointplot(x=x, y=y)
ax1.ax_joint.cla()
plt.sca(ax1.ax_joint)
plt.hist2d(x, y, bins=(100, 100), cmap=cm.jet);
答案 1 :(得分:0)
这是一个替代方案,本质上是相同的,但仍然存在于seaborn中:
import seaborn as sns
import numpy as np
x = np.random.normal(size=100)
y = x * 3.5 + np.random.normal(size=100)
sns.jointplot(x=x, y=y, kind='kde', cmap='jet', n_levels=60)
答案 2 :(得分:0)
这是最终的无花果和代码。感谢@Bazingaa的帮助。
def makesweetgraph(x=None, y=None, cmap='jet', ylab=None, xlab=None, bins=100, sets=sets, figsize=(5,4), snsbins=60):
set1,set2 = sets
ax1 = sns.jointplot(x=x, y=y,marginal_kws=dict(bins=snsbins))
ax1.fig.set_size_inches(figsize[0], figsize[1])
ax1.ax_joint.cla()
plt.sca(ax1.ax_joint)
plt.hist2d(x,y,bins,norm=LogNorm(),cmap=cmap)
plt.title('%s vs %s (%.4f%% of loci)\n%s and %s' % (xlab,ylab,(len(x)/numsnps)*100,set1,set2),y=1.2,x=0.6)
plt.ylabel(ylab,fontsize=12)
plt.xlabel(xlab,fontsize=12)
cbar_ax = ax1.fig.add_axes([1, 0.1, .03, .7])
cb = plt.colorbar(cax=cbar_ax)
cb.set_label(r'$\log_{10}$ density of points',fontsize=13)