Comment convertir des données Scatter en une Heatmap en Python ?

Conversion des données dispersées en une carte thermique en Python

Représenter les données sous forme de carte thermique peut fournir une représentation visuelle précieuse, en particulier lorsqu'il s'agit de grands ensembles de données. Dans ce cas, nous disposons d'un ensemble de points de données X,Y et souhaitons les visualiser sous forme de carte thermique.

Matplotlib, une bibliothèque Python polyvalente, offre un large éventail d'options pour créer des cartes thermiques. Toutefois, ces méthodes supposent généralement que les valeurs des cellules de la carte thermique sont déjà disponibles. Pour résoudre ce problème, explorons une approche alternative.

En utilisant la fonction histogram2d de NumPy, nous pouvons convertir nos points de données X,Y en une carte thermique. Cette fonction calcule la fréquence des points de données dans une plage de regroupement spécifiée :

import numpy as np
import numpy.random
import matplotlib.pyplot as plt

# Generate test data
x = np.random.randn(8873)
y = np.random.randn(8873)

# Create heatmap using histogram2d
heatmap, xedges, yedges = np.histogram2d(x, y, bins=50)
extent = [xedges[0], xedges[-1], yedges[0], yedges[-1]]

# Plot the heatmap
plt.clf()
plt.imshow(heatmap.T, extent=extent, origin='lower')
plt.show()

Dans cet exemple, nous générons des données de test et spécifions un nombre de cases de 50. La carte thermique résultante aura des dimensions de 50x50. La fonction imshow affiche la carte thermique, avec l'argument d'étendue définissant la plage des axes X et Y.

En utilisant histogram2d, nous convertissons efficacement nos points de données de dispersion en valeurs de cellules pour la carte thermique. Cette approche nous permet de visualiser la distribution des points de données, les régions de fréquence plus élevée apparaissant comme des zones « plus chaudes » sur la carte thermique.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!