0

我正在使用 matplotlib 的 hist2d 函数来制作我拥有的数据的二维直方图，但是我无法解释结果。

这是我的情节：

在此处输入图像描述

这是使用以下行创建的：

hist = plt.hist2d(X, Y, (160,160), norm=mpl.colors.LogNorm(vmin=1, vmax=20))

这将返回 (160, 160) 的二维数组，以及 bin 边缘等。

在图中，有一些值频率很高的箱（黄色箱）。我希望能够获得此直方图的结果并过滤掉具有低值的 bin，保留高 bin。但我希望会有 160*160 的值，但我只能找到 160 X 和 160 Y 的值。

我想做的基本上是从密度较小的数据中过滤掉密度较大的数据。如果这意味着将数据表示为单个值（bin），那没关系。

我是误解了函数还是没有正确访问数据结果？我也尝试过辣味，但结果似乎是相同或相似的格式。

4

2 回答 2

0

你需要Seaborn包。

你提到

我希望能够获得此直方图的结果并过滤掉具有低值的箱，保留高箱。

您绝对应该使用其中之一：

  1. seaborn.joinplot(...,kind='hex')：它显示了落在六边形箱内的观察计数。该图最适用于相对较大的数据集。
  2. seaborn.joinplot(...,kind='kde')：使用核密度估计来可视化二元分布。我推荐它更好。

例子'kde'

使用级别数n_levels并shade_lowest=False忽略低值。

import seaborn as sns
import numpy as np
import matplotlib.pylab as plt
x, y = np.random.randn(2, 300)
plt.figure(figsize=(6,5))
sns.kdeplot(x, y, zorder=0, n_levels=6, shade=True, cbar=True, 
     shade_lowest=False, cmap='viridis')

在此处输入图像描述

于 2020-06-02T01:18:47.670 回答
0

不确定这是否是您想要的。

hist2d 文档指定该函数返回一个大小为 4 的元组，其中第一项h是热图。

这h将具有与 相同的形状bins。

您可以捕获输出（它仍会绘图），并用于argwhere查找值超过 90% 的坐标：

h, xedges, yedges, img = hist = plt.hist2d(X, Y, bins=(160,160), norm=mpl.colors.LogNorm(vmin=1, vmax=20))

print(list(np.argwhere(h > np.percentile(h, 90))))
于 2020-06-02T01:37:09.470 回答