Python 绘制散点密度图_c#计算二维散点的密度热度值

1 matplotlib绘制散点密度图

散点密度主要是计算样本点的出现次数，即密度。
import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import gaussian_kde
# Generate fake data
N=1000
x = np.random.normal(size=N)
y = x * 3 + np.random.normal(size=N)
# Calculate the point density
xy = np.vstack([x,y])  #  将两个维度的数据叠加
z = gaussian_kde(xy)(xy)  # 建立概率密度分布，并计算每个样本点的概率密度
# Sort the points by density, so that the densest points are plotted last
idx = z.argsort()
x, y, z = x[idx], y[idx], z[idx]
fig, ax = plt.subplots()
plt.scatter(x, y,c=z, s=20,cmap='Spectral') # c表示标记的颜色
plt.colorbar()
plt.show()
scatter中其他可使用的cmap，参考【https://matplotlib.org/tutorials/colors/colormaps.html】 
colorbar反向在颜色名称后面加_r，比如：cmap='Spectral_r'。 
2 seaborn绘制散点密度图
 
import seaborn as sns
sns.kdeplot(x=x, y=y, fill=True, cmap='Spectral', cbar=True)
N=100000
x = np.random.normal(size=N)
y = x * 3 + np.random.normal(size=N)
# 绘制二维散点密度图
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1, projection='scatter_density')
density = ax.scatter_density(x, y, cmap='Spectral_r')
ax.set_xlim(-3, 3)
ax.set_ylim(-10, 10)
fig.colorbar(density, label='Number of points per pixel')
fig.savefig('gaussian.png')
使用该包绘制的图零值有颜色，可通过如下方法使零值变为白色： 
import matplotlib.colors as mcolors
norm = mcolors.TwoSlopeNorm(vmin=-1, vmax =60, vcenter=0)
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1, projection='scatter_density')
density = ax.scatter_density(x, y,norm=norm, cmap=plt.cm.RdBu)
ax.set_xlim(-3, 3)
ax.set_ylim(-10, 10)
fig.colorbar(density, label='Number of points per pixel')
fig.savefig('gaussian_color_coded.png')
虽然上述方式能使零值变为白色，但不美观，可将零值掩码或赋值为nan。 在源码base_image_artist.py 中的make_image函数(180行)中加上如下语句： 
array = np.where(array>0, array, np.nan)
array = np.ma.masked_array(array, mask=(array<=0))
最初遇到这个问题的时候，找到的大答案是绘制contour图，比如：
http://stackoverflow.com/questions/24119920/how-to-plot-a-density-map-in-python?rq=1
这当然很漂亮，但是这需要有三列数字来标示一个平面；但其实我的问题是仅有两列数的时候如何标示密度：
方法一，使用hist2d：
				mpl-scatter-density: 使用 matplotlib 创建散点图的密度可视化
去发现同类优质开源项目:https://gitcode.com/
是一个 Python 库，它为 matplotlib 提供了一种简单的方法，用于创建具有密度可视化的高质量散点图。
什么是 mpl-scatter-density？
mpl-scatter-density 是一个轻量级库，它可以让你轻松地在...
				对散点图进行密度统计并画出其相应的热力图，主要使用两个函数，一个是histcounts2和imagesc两个函数，下面我们依次进行说明。
histcounts2的具体用法详见：https://ww2.mathworks.cn/help/matlab/ref/histcounts2.html?searchHighlight=histcounts2&s_tid=srchtitle
虽然官网有很多说明，但是不够实用。
要说明的主要是利用histcounts2得到的二维矩阵，其不能直接用imagesc或
				头大，外行人做个图咋这么难，趋势线还没有研究出来怎么加上去，哎
import matplotlib.pyplot as plt 
from scipy.stats import gaussian_kde
from mpl_toolkits.axes_grid1 import make_axes_locatable
import numpy as np
import pandas as pd
from dbfread import DBF
data=DBF('native9.dbf')#数据量超级超级大，e
在这个例子中，我们使用 seaborn 库加载了一个名为 "tips" 的数据集，并使用 `jointplot()` 函数绘制了一个散点密度图。其中，x 轴表示账单金额（total_bill），y 轴表示小费金额（tip），kind 参数指定了绘图类型为 "kde"，即绘制散点密度图。
你可以根据自己的需求，调整数据集和绘图参数来创建不同类型的散点密度图。