Как я могу объединить точечную диаграмму с тепловой картой плотности?

У меня есть серия диаграмм рассеяния (один пример ниже), но я хочу изменить ее так, чтобы цвета точек на графике становились более красными (или «горячими»), когда они более плотно сгруппированы с другими точками, в то время как точки, которые далее разложены окрашены в более синий (или «холодный»). Можно ли сделать это?

В настоящее время мой код довольно прост в настройке.

import plotly.express as px
    
fig = px.scatter(data, x='A', y='B', trendline='ols')

Вы можете использовать параметр цвета на px.scatter(), чтобы раскрасить точки значениями в столбце фрейма данных. Пример здесь: plotly.com/python/line-and-scatter. Если вы опубликуете свой код, сообщество сможет вам лучше помочь.

Zach Flanders 17.02.2023 00:53

Этот вопрос может помочь вам. stackoverflow.com/questions/14070565/… Вы можете рассчитать плотность ядра точек и добавить столбец в свой фрейм данных, а затем использовать этот столбец для стилизации с помощью plotly.

Zach Flanders 17.02.2023 01:01
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
3
2
54
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Используя scipy.stats.gaussian_kde, вы можете рассчитать плотность, а затем использовать ее для раскрашивания графика:

import pandas as pd
import plotly.express as px
from scipy import stats

df = pd.DataFrame({
    'x':[0,0,1,1,2,2,2.25,2.5,2.5,3,3,4,2,4,8,2,2.75,3.5,2.5], 
    'y':[0,2,3,2,1,2,2.75,2.5,3,3,4,1,5,4,8,4,2.75,1.5,3.25]
})
kernel = stats.gaussian_kde([df.x, df.y])
df['z'] = kernel([df.x, df.y])
fig = px.scatter(df, x='x', y='y', color='z', trendline='ols', color_continuous_scale=px.colors.sequential.Bluered)

выход:

Большое спасибо за Вашу помощь! А можно поинтересоваться, что делает строчка stats.gaussian_kde(values)(positions) (немного закрепляю)? Я понимаю, что stats.gaussian_kde(values) создает объект gaussian_kde, но что тогда происходит, когда мы передаем массив positions?

Bob McBobson 17.02.2023 13:42

Отличный вопрос. В основном я следовал примеру здесь. Я отредактировал ответ, чтобы немного упростить его, удалив часть кода numpy, который просто формировал данные. Моя интерпретация этого заключается в том, что kernel = stats.gaussian_kde([df.x, df.y]) формирует объект облака плотности, а затем df['z'] = kernel([df.x, df.y]) берет образцы этого облака в ваших точках.

Zach Flanders 17.02.2023 15:11

Думаю, values = [df.x, df.y] и df['z'] = stats.gaussian_kde(values)(values) тоже подойдут.

Zach Flanders 17.02.2023 15:14

Другие вопросы по теме