主页 / coding / 问题 / 78102692
Accepted
BML
Asked: 2024-03-05 00:20:45 +0800 CST

二维散点图 - mcolors.Normalize 与 mcolors.LogNorm

  • 772

我正在制作一个散点图，但是当我在两者之间切换时，mcolors.Normalize两个mcolors.LogNorm数字之间的颜色条不一致 - 我认为标准化颜色条刻度与对数标准化刻度大致相同（例如，在主要间隔 10^1、10^2、10^3 等）。难道不是这样吗？换句话说 - 颜色条是否给了我相同的答案？提前致谢！

import matplotlib.pyplot as plt  # v3.5.2
import seaborn as sns            # v0.11.2
import numpy as np               # v1.22.1
import matplotlib.colors as mcolors

# generate data
x = np.random.normal(size=100000)
y = x * 3 + np.random.normal(size=100000)

def scatter2d(x, y, norm=mcolors.LogNorm):
    """Create a plt.2dhist with marginal histogram."""
    ax1 = sns.jointplot(x=x, y=y, marginal_kws={'bins' : 50})
    ax1.fig.set_size_inches(5, 4)
    ax1.ax_joint.cla()
    plt.sca(ax1.ax_joint)
    plt.hist2d(x, y, 50, norm=norm(), cmin=1,
               cmap='plasma', range=None )

    # set up scale bar legend
    cbar_ax = ax1.fig.add_axes([1, 0.1, 0.03, 0.7])
    cb = plt.colorbar(cax=cbar_ax)
    cb.set_label(f'Density of points ({norm.__name__})', fontsize=13)
    
    pass

scatter2d(x, y)


scatter2d(x, y, norm=mcolors.Normalize)

在此输入图像描述 在此输入图像描述

matplotlib

1 个回答

  1. Best Answer

    这是规范正在做什么的可视化。

    我稍微简化了您的代码，因为 Seaborn 并未真正用于解决特定问题（并且您似乎正在运行非常旧的版本，尽管主要原则保持不变）。固定种子有助于提高再现性。

    在颜色条上设置相同的刻度，显示对数范数如何拉伸较低值，并缩小较高值的空间。因此，它显示了 2D 直方图的更多细节。底部的曲线显示了 y 轴上的这种变换作为输入值（在本例中为 2d bin 的高度）的函数。

    请注意，这些规范是有点不寻常的函数，因为它们在第一次运行时会在内部更新最小值和最大值（vmin 和 vmax）。

    import matplotlib.pyplot as plt  # v3.8.3
import numpy as np  # v1.25.2
import matplotlib.colors as mcolors
import matplotlib.ticker as mticker

# generate data
np.random.seed(123)
x = np.random.normal(size=100000)
y = x * 3 + np.random.normal(size=100000)

fig, axs = plt.subplots(2, 2, figsize=(18, 10))

for norm, ax0, ax1 in zip([mcolors.LogNorm, mcolors.Normalize], axs[0], axs[1]):
    norm_func = norm()
    hist_vals, _, _, hist_img = ax0.hist2d(x, y, 50, norm=norm_func, cmin=1, cmap='plasma')
    ax0.set_title("Color transformation via " + norm.__name__)
    cb = fig.colorbar(hist_img, ax=ax0)
    cb.ax.yaxis.set_major_locator(mticker.MultipleLocator(200))
    cb.ax.yaxis.set_major_formatter(mticker.ScalarFormatter())
    cb.ax.yaxis.set_minor_locator(mticker.NullLocator())
    cb.ax.set_ylabel("Norm: " + norm.__name__)

    nx = np.linspace(1, np.nanmax(hist_vals), 1000)
    ax1.set_title("Transformation via " + norm.__name__)
    ax1.plot(nx, norm_func(nx))
    ax1.scatter(nx[::20], norm_func(nx[::20]), c=nx[::20], norm=norm_func, cmap='plasma', s=20)
    ax1.set_ylabel(norm.__name__)
    ax1.set_xlabel("input value")

plt.tight_layout()
plt.show()

    对数范数与标准化

    这是一个不同的可视化（具有不同的输入），显示每个单元格的计数。较少的细分可以让文本适合单元格。对数范数有更多不同的颜色。

    import matplotlib.pyplot as plt  # v3.8.3
import numpy as np  # v1.25.2
import matplotlib.colors as mcolors

# generate data
np.random.seed(12345)
x = np.random.normal(size=10000).cumsum()
y = np.random.normal(size=x.size).cumsum()

fig, axs = plt.subplots(1, 2, figsize=(18, 5))

for norm, ax in zip([mcolors.LogNorm, mcolors.Normalize], axs):
    norm_func = norm()
    hist_vals, xedges, yedges, hist_img = ax.hist2d(x, y, 15, norm=norm_func, cmin=1, cmap='plasma')
    for i in range(hist_vals.shape[0]):
        for j in range(hist_vals.shape[1]):
            if hist_vals[i, j] > 0:
                color = 'black' if norm_func(hist_vals[i, j]) > 0.6 else 'white'
                ax.text((xedges[i] + xedges[i + 1]) / 2, (yedges[j] + yedges[j + 1]) / 2, int(hist_vals[i, j]),
                        color=color, ha='center', va='center')
    ax.set_title("Color transformation via " + norm.__name__)
    cb = fig.colorbar(hist_img, ax=ax)
    cb.ax.set_ylabel("Norm: " + norm.__name__)

plt.tight_layout()
plt.show()

    LogNorm 与计数标准化

    • 2

相关问题