复现顶刊高频图，换数据可用！

本期主角-2D histogram！

在数据分析中，特别是在处理大量散点数据时，2D直方图（2D histogram）能有效避免散点图过于拥挤的问题，帮助我们更好地发现数据之间的潜在关系。

Python matplotlib可轻松制作2D直方图！

数据准备

这里分享一个matplotlib实现案例，使用“3.2.8 data_2dhist数据集”。

import pandas as pd
data_2dhist = pd.read_csv('matplotlib_data/2dhist.csv')

matplotlib绘图

# 16.1_01
# -*- encoding: utf-8 -*-
'''
未经过允许禁止转载！
'''
#核心代码
for i, ax in enumerate(axes.flat):
    x, y = data_2dhist['x'][i * len(data_2dhist) // 6:(i + 1) *
                            len(data_2dhist) //
                            6], data_2dhist['y'][i * len(data_2dhist) //
                                                 6:(i + 1) *
                                                 len(data_2dhist) // 6]
    slope, intercept, corr, bias, rmse = calculate_stats_and_fit(
        x, y)  #calculate_stats_and_fit计算统计信息和拟合趋势线
    hist = ax.hist2d(x, y, bins=100, norm=LogNorm(),
                     cmap="Spectral_r")  # hist2d绘制散点密度图
    ax.plot([-5, 10], [-5, 10],
            color="red",
            linestyle="--",
            linewidth=1.5,
            label="1:1 line")  # 添加y=x参考线
    trend_x = np.linspace(-2, 8, 100)
    trend_y = slope * trend_x + intercept
    ax.plot(trend_x,
            trend_y,
            color="black",
            linestyle="--",
            linewidth=1.5,
            label="Fitted Line")  # 添加拟合趋势线
    stats_text = (f"N = {len(x):,}n"
                  f"Bias = {bias:.2f}n"
                  f"RMSE = {rmse:.2f}n"
                  f"R = {corr:.2f}n"
                  f"Slope = {slope:.2f}")
    ax.text(-4,
            9,
            stats_text,
            fontsize=12,
            verticalalignment="top",
            bbox=dict(facecolor="white", alpha=0.8))  # 添加统计信息
    x_labels = [f"观察值{i+1}" for i in range(6)]  # 设置x轴标题
    ax.set_xlabel(x_labels[i], fontsize=14)
    ax.set_xlim(-5, 10)  # 设置x轴范围
    y_labels = [f"估计值{i+1}" for i in range(6)]  # 设置y轴标题
    ax.set_ylabel(y_labels[i], fontsize=14)
    ax.set_ylim(-5, 10)
    ax.legend(loc="lower right", fontsize=12)  # 设置图例
cbar = fig.colorbar(hist[3], ax=axes, fraction=0.04, pad=0.05)  # 设置colorbar
cbar.set_label("Density", fontsize=14)
plt.show()

-END-

加入学习