Python 如何在matplotlib中计算极坐标图密度

我正在尝试对我发布的图片1进行排序，以便最密集的点更清晰，指向我用于实现的答案的链接表明了我正在努力实现的目标

我的代码是：

# Calculate the point density: Saccade Orientation is an angle, Amplitude is supposed to be the Y value
xy = np.vstack([saccade_orientation_PP, saccade_amplitude_PP])
z = gaussian_kde(xy)(xy)

# Sort the points by density, so that the densest points are plotted last
idx = z.argsort()
x, y, z = np.array(saccade_orientation_PP)[idx], np.array(saccade_amplitude_PP)[idx], z[idx]

ax1 = plt.subplot(121, polar=True)
ax1.scatter(saccade_orientation_PP, saccade_amplitude_PP, c=z, edgecolor='', alpha = 0.75)

如果我不使用两行按密度排序的代码（注释掉），这就是我得到的结果

这是实现排序时的结果

我正试图实现一个类似的目标，如链接中的答案所示，因此图1更清晰，但我不明白为什么在排序时会得到下面的第二张图

---

谢谢。

这里的关键问题是极坐标的使用

密度必须在xy笛卡尔坐标上计算，使用极坐标会导致奇怪的距离值，请尝试在矩形图中绘制数据，然后将看到

可以在计算z值之前包含坐标变换。例如：

xy = np.vstack([np.sin(angle)*amp, np.cos(angle)*amp]) 
z = gaussian_kde(xy)(xy) 

---

这里的关键问题是极坐标的使用

密度必须在xy笛卡尔坐标上计算，使用极坐标会导致奇怪的距离值，请尝试在矩形图中绘制数据，然后将看到

可以在计算z值之前包含坐标变换。例如：

xy = np.vstack([np.sin(angle)*amp, np.cos(angle)*amp]) 
z = gaussian_kde(xy)(xy) 

---

谢谢您的回复，amp变量代表什么？第二个值“扫视振幅”是坐标，而方向是半径角，所以我很难从逻辑上理解转换，即xy=np.vstack（[np.sin（扫视方向），np.cos（扫视振幅），PP）]）是错误的np.vstack（[np.sin（扫视方向）*扫视振幅，np sin（扫视方向）*扫视（振幅）是你的例子中的变换谢谢你的回答，amp变量代表什么？第二个值“扫视振幅”是坐标，而方向是半径角，所以我很难从逻辑上理解转换，即xy=np.vstack（[np.sin（扫视方向），np.cos（扫视振幅），PP）]）是错误的np.vstack（[np.sin（扫视方向）*扫视振幅，np sin（扫视方向）*在您的示例中，扫视（振幅（PP））是变换