清晰显示高密度和低密度区域的热图（python）

我有一个数据集，我想表示为热图（x，y位置）。有几个地区的人口密度比该地区其他地区高得多。这是因为这些高密度区域完全洗掉了低密度区域的细节

我认为与二维直方图或等高线图相比，使用高斯KDE提供了最好的表示（并且看起来最好），因此我更喜欢使用这种方法的解决方案

我无法发布图像，因为此帐户的rep少于10个，但是

我的代码片段基于我在下面链接的已经发布的代码片段，而不是重新发布的代码片段（有些代码片段相当长），但如果有人问我，我会进行编辑以包含它们

前几个基于Ivo Bosticky在这个问题上的代码：。那里的图像就是我所追求的“风格”。 如上面链接的相册所示，由于网格尺寸较小，很难分辨出低密度区域，没有真正的细节。更高的网格尺寸会显示一些斑点细节，但实际上并不是从高密度到低密度的平滑过渡。将值放在对数刻度上会在较低的分辨率上洗掉整个内容，而在较高的分辨率下会显示细节，但不会适当地混合网格

那张专辑中的第二对是以这个例子为基础的。更改gridsize似乎基本上没有效果，而logscale再次将其全部清除

---

因此，TLDR：如何制作一个二维高斯KDE，在高密度和低密度区域平滑显示细节？

最简单的表示分散数据的方法是使用散点图。当然，问题是一旦达到某个点密度，散点图就不会提供进一步的信息。在这种情况下，我们使用基于某些KDE的直方图或热图。然而，这些方法总是删除数据集中不太密集区域的细节

因此，我的建议是，用kde值绘制一个散点图。例如，作为

pyplot.scatter(your_x,your_y,c=your_kde_value,marker='.',linewidth=0)

这里，

您的_kde_值

是一个数组，包含散点图点处的kde函数值（即，它应具有与

您的_x

和

您的_y

相同的形状）

结果可能如下所示（使用来自二元正态分布的10000个点的样本：

---

正如您所看到的，颜色信息提供了中心的所有细节，而我们仍然保留了边远点。

下面的示例说明了我的建议-这是基于

---

你可以考虑的一个选项是把一个散点图放在一个填满的等高线图上。比如，过滤散布的数据以满足一些标准，并且基本上在填充轮廓上叠加。实际上我已经完成了，填充轮廓线显示了我所有尝试中的细节。然而，它有虚假的虚假的伪影。g数据（例如，始终显示非该形状区域周围的菱形）。我还试图避免显示此特定绘图的各个点，因此避免散点绘图。我通常使用重叠的线等高线绘制填充等高线，并强制使用相同数量的等高线。也许如果您执行类似操作，但强制使用不同的数度？例如填充等高线有50个，线有10个？您可以n还要在线条上做内嵌标签，以指示水平。我不确定这是否有助于解决我提到的问题。感谢您的回答。我不确定这是否能很好地工作，因为有些区域没有数据，有些区域只有分散的点（即相当低的密度）.我更喜欢覆盖整个空间的平滑渐变。不管怎样，我会尝试你的建议，然后再回复你。同时作为一般性评论（新手），按照惯例，我会投票支持你的答案，因为这是解决我的问题的合法尝试，并提供了一个很好的例子，还是因为它不完全是我想要的？Funkosaurus你可以投票支持你认为有帮助的每一个答案，然后“接受”只有一个答案最能回答您的问题。因此，如果您有10个答案，其中5个是有帮助的，其中一个是最好的，您可以在5个答案上投票，然后接受最好的一个。@Christoph我用您的语法尝试了您的建议，但一直遇到错误。“您的值”我使用的变量与我使用imshow绘制相册图像时使用的变量相同。错误：ValueError:to_rgba:Invalid rgba arg“[数字列表]”rgba序列的长度应为3或4。@Funkosaurus：您需要计算样本点上KDE的值，而不是提供网格。然后，您将这些点上的KDE值数组提供给plot命令。我将编辑我的帖子以澄清

import matplotlib.pyplot as plt
import numpy as np



# make these smaller to increase the resolution
dx, dy = 0.01, 0.01

# generate 2 2d grids for the x & y bounds
y, x = np.mgrid[slice(1, 5 + dy, dy),
                slice(1, 5 + dx, dx)]

z = np.sin(x) ** 10 + np.cos(10 + y * x) * np.cos(x)

plt.contourf(x,y,z, 20, cmap = 'rainbow')    #change these levels
plt.contour(x,y,z, 5, colors = 'k', linewidths = .25) #and here

plt.show()