Python 散点图最密集区域的打印等高线

我正在生成一个约300k数据点的散点图，并且有一个问题，即在某些地方过于拥挤，以至于看不到任何结构-所以我有一个想法

我想让绘图为最密集的部分生成一个等高线图，并用

scatter（）

数据点保留密度较低的区域

所以我试着分别计算每个数据点的最近邻距离，然后当这个距离达到一个特定值时，画一个轮廓并填充它，然后当它达到一个更大的值（密度更小）时，只做散射

我已经尝试了几天，但失败了，我不确定传统的等高线图在这种情况下是否有效

我会提供代码，但它是如此混乱，可能只是混淆了问题。而且它的计算量非常大，如果它能工作的话，我的电脑可能会崩溃

提前谢谢大家

p、 我一直在寻找答案！我确信它甚至不可能出现所有的结果

编辑：这样做的目的是查看300k样本结构中某些特定点的位置。这是一个示例图，我的点分散在三种不同的颜色中。

我将尝试从我的数据中随机抽取1000个数据点，并将其作为文本文件上传。 干杯，堆垛工。：）

编辑：嘿， 以下是一些示例数据1000行-仅两列

[X，Y]

（或

[g-i，i]

（来自上面的绘图）空格分隔。谢谢大家!！

---

您可以使用各种numpy/scipy/matplotlib工具实现这一点：

创建一组原始点以进行快速查找

用于以轮廓所需的分辨率创建点栅格

用于创建目标密度内所有位置的遮罩

Bin使用矩形Bin或

根据装箱数据绘制轮廓，但使用步骤3中的遮罩。过滤掉低密度区域

使用与其余点相反的遮罩

---

4年后，我终于可以回答这个问题了！ 这可以通过使用来完成

我使用了高斯平滑，可以根据需要省略或替换

import matplotlib.colors as colors
from matplotlib import path
import numpy as np
from matplotlib import pyplot as plt
try:
    from astropy.convolution import Gaussian2DKernel, convolve
    astro_smooth = True
except ImportError as IE:
    astro_smooth = False

np.random.seed(123)
t = np.linspace(-1,1.2,2000)
x = (t**2)+(0.3*np.random.randn(2000))
y = (t**5)+(0.5*np.random.randn(2000))

H, xedges, yedges = np.histogram2d(x,y, bins=(50,40))
xmesh, ymesh = np.meshgrid(xedges[:-1], yedges[:-1])

# Smooth the contours (if astropy is installed)
if astro_smooth:
    kernel = Gaussian2DKernel(stddev=1.)
    H=convolve(H,kernel)

fig,ax = plt.subplots(1, figsize=(7,6)) 
clevels = ax.contour(xmesh,ymesh,H.T,lw=.9,cmap='winter')#,zorder=90)

# Identify points within contours
p = clevels.collections[0].get_paths()
inside = np.full_like(x,False,dtype=bool)
for level in p:
    inside |= level.contains_points(zip(*(x,y)))

ax.plot(x[~inside],y[~inside],'kx')
plt.show(block=False)

也许有人（像我一样）会在互联网上无意中寻找答案@FriskyGrub，我喜欢你的平滑方法。AstroML库中有一个解决方案，例如。我不确定您如何在代码中设置阈值（高于该阈值，将在轮廓中包含点，而不是分散），但我成功地通过以下方法重现了与您类似的结果：

import matplotlib.pyplot as plt
from astroML.plotting import scatter_contour
np.random.seed(123)
t = np.linspace(-1,1.2,2000)
x = (t**2)+(0.3*np.random.randn(2000))
y = (t**5)+(0.5*np.random.randn(2000))
fig,ax = plt.subplots(1,1,figsize=(6,6))
scatter_contour(x,y, threshold=15, log_counts=True, ax=ax,
            histogram2d_args=dict(bins=15),
            plot_args=dict(marker='+', linestyle='none', color='black',
                          markersize=5),
            contour_args=dict(cmap='winter',),
           filled_contour=False)

（

scatter\u contour？？？

提供了很多文档帮助，但基本上正如kwargs所建议的，

historogram2d\u args

是由

numpy获取的args。historogram2d

，

plt\code>是由scatter
plt.plot
获取的args，
contour\u args
是由
plt.contour获取的args（或
plt.contourf
）

祝福

Chris
根据这些值的拥挤程度，您可能可以通过执行
分散（x，y，alpha=0.1）
或一些合适的小值来梳理出一些结构。要执行您的建议，我将构建一个内核密度估计（请参见
scipy.stats.kde
）。为什么不使用2d柱状图来显示数据？@FriskyGrub您可以提供与真实数据类型/形状/等相同的随机数据-您不必总是在第一时间发布生成真实数据的复杂步骤。这使我们更容易给出对您有用的答案。@RutgerKassies-这不是真的以有意义的方式显示该数据，并且会出现装箱问题。此外，很难在打印输出中正确表示该数据。@FriskyGrub“无法真正以有意义的方式显示该数据，并且会出现装箱问题。此外，很难在打印输出中正确表示该数据。”-这是什么意思？直方图是表示分布质量的一种完全有效的方法。绘制300000个云中每个x，y点的确切位置绝对不会有什么好处，因为这些点彼此重叠。要找到一个看起来不错的彩色地图并不难一个打印输出。我没有直接尝试过，但这基本上就是我最后做的。我求助于使用hexbin“热图”，因为我无法减少等高线的计算时间，从n^n-u-…的顺序来看，这可能是一个值得回顾的有趣问题。