如何在python中用大数据集绘制热图

我试图绘制一个正弦波，曲线在每个点的颜色由它的切线斜率值表示。 例如，应填写

3600*1000

数据框：

x_axis = list(range(0, 3601))
y_axis = list(range(-1000, 1001))
wave = pd.DataFrame(index = y_axis,columns= x_axis )
for i in range(0, 3601, 1):
    y = int(round(np.sin(np.radians(i / 10)), 3) * 1000)
    wave.loc[y, i] = -abs(y)
wave = wave.fillna(0)
wave[wave == 0] =np.nan
seaborn.heatmap(wave)

通过使用seaborn.heatmap（wave），热图将像附加图像一样生成。但是我想要的是在一张图片中画出50-100个正弦波，所以数据帧的大小会大很多，达到360000*10000。对于这种大小的数据帧，我仍然希望显示类似的热图，或者任何可以表示每个单元格值变化的类型或图形。通过使用seaborn热图和此数据集，我的工作站似乎冻结了

我的一些想法是将所有值标准化为

0-255

，并使用一些GLV绘图功能，我仍在研究它

---

您可以使用

plt.scatter

创建类似的绘图：

导入matplotlib.pyplot作为plt
将numpy作为np导入
x_轴=np.arange（0,360,0.1）
y=np.圆形（np.sin（np.弧度（x_轴）），3）*1000
plt.散射（x_轴，y，c=-np.abs（y），s=1，cmap='gist_heat'）
plt.show（）

要获得更宽的曲线，只需增加

s

。要去除颜色贴图的白色部分，可以移动颜色限制（称为

vmin

和

vmax

）。它们是给定颜色值的最小值和最大值。在这种情况下，最大值为0，最小值为-1000。将

vmax

设置为+100将省略10%的颜色范围

plt.scatter（x_轴，y，c=-np.abs（y），vmax=0.1*y.max（），s=10，cmap='gist_heat'）

---

从来没有这样想过。看起来pyplot有很多颜色选项。非常感谢你的帮助！！！还有一个问题要跟进。如果我需要增加线条的宽度——非常宽，你可以期望线条有一些重叠，因为线条太宽了。对于覆盖区域，线条颜色需要更暗。我想在图像中表示这一点。我发现散点图是用点来表示的，我可能还要回去选择数据框和热图。我说得对吗？你有更多的建议吗？非常感谢。我真的认为热图不合适。您可以使用

s=1

参数增加散射点的宽度（

s

的面积类似于：要使直径加倍，需要将

s

增加四倍）。对于这个应用程序，创建数据帧的速度非常慢，您可以使用numpy阵列获得相同的热图（seaborn对它们很满意）。但如此大的热图总是缓慢且质量差。使用颜色限制（vmin和vmax）的一些技巧可以帮助轻松去除颜色贴图的白色部分。散点图的另一种替代方法是绘制线段，如中所示。它稍微复杂一点，但是你可以更自由地增加线宽。在我将线宽增加到32后，绘图似乎非常接近我要找的。谢谢你帮我解决这个问题：）