数据量太大？用Python处理数据密度过大障碍

                  gridsize=num_bins,                               # 配置六边形的巨细 

                  cmap="Blues"                                     # 配置颜色组合 

                 ) 

fig.colorbar(axes_1,ax=axes[0][1])                                 # 配置颜色表现条 

# 第三个子图，我们画出2D直方图。 

# 我们您必要说明两个数据量较量大的数值变量相关时，2D直方图很是有效，它可以停止在散点图中呈现的的数据密渡过大题目 

num_bins = 50 

axes[1][0].set_title('2D 直方图') 

axes_2 = axes[1][0].hist2d(Financial_data['原料'], Financial_data['打点'],  

                  bins=(num_bins,num_bins),  

                  cmap="Blues") 

# fig.colorbar(axes_2,ax=axes[1][0]) 

# 第四个子图，我们画出高斯核密度图 

# 思量到想研究具有许多点的两个数值变量之间的相关。可以思量画图地区每个部门上的点数，来计较2D内核密度预计值。 

# 就像滑腻的直方图，这个要领不会使某个点掉入特定的容器中，而是会增进周围容器的权重，好比颜色会加深。 

k = kde.gaussian_kde(Financial_data.loc[:,['原料','打点']].values.T)           # 举办核密度计较 

xi, yi = np.mgrid[Financial_data['原料'].min():Financial_data['原料'].max():num_bins*1j, Financial_data['打点'].min():Financial_data['打点'].max():num_bins*1j] 

zi = k(np.vstack([xi.flatten(), yi.flatten()])) 

axes[1][1].set_title('高斯核密度图') 

axes_3 = axes[1][1].pcolormesh(xi,  

                      yi,  

                      zi.reshape(xi.shape),  

                      cmap="Blues") 

fig.colorbar(axes_3,ax=axes[1][1])                                  # 配置颜色表现条 

# 第五个子图，我们画出带阴影结果的2D密度图 

axes[2][0].set_title('带阴影结果的2D密度图') 

axes[2][0].pcolormesh(xi,  

                      yi,  

                      zi.reshape(xi.shape),  

                      shading='gouraud',  

                      cmap="Blues") 

# 第六个子图，我们画出带外观线的密度图 

axes[2][1].set_title('带阴影+外观线的2D密度图') 

axes_5 = axes[2][1].pcolormesh(xi,  

                      yi,  

                      zi.reshape(xi.shape),  

                      shading='gouraud',  

                      cmap="Blues") 

fig.colorbar(axes_5,ax=axes[2][1])                                  # 配置颜色表现条 

# 画出外观线 

axes[2][1].contour(xi,  

                   yi,  

                   zi.reshape(xi.shape)) 

plt.show() 

出格提一下：2D核密度预计图

sns.kdeplot(Financial_data['原料'],Financial_data['打点']) 

sns.despine() # 默认无参数状态，就是删除上方和右方的边框，matplotlib貌似做不到  

sns.kdeplot(Financial_data['原料'],Financial_data['打点'], 

            cmap="Reds",  

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!