C'è un modo per colorare un punto in base alla mappa di colori utilizzata dalla funzione contour
? Mi rendo conto che posso specificare una mappa colori, ma presumibilmente la funzione contour
fa un po 'di scaling e/o normalizzazione dei dati ?Punti colore in base al colore del contorno
Ecco un esempio:
import numpy as np
import scipy.stats as ss
def plot_2d_probsurface(data, resolution=20, ax = None, xlim=None, ylim=None):
# create a function to calcualte the density at a particular location
kde = ss.gaussian_kde(data.T)
# calculate the limits if there are no values passed in
# passed in values are useful if calling this function
# systematically with different sets of data whose limits
# aren't consistent
if xlim is None:
xlim = (min(data[:,0]), max(data[:,0]))
if ylim is None:
ylim = (min(data[:,1]), max(data[:,1]))
# create some tick marks that will be used to create a grid
xs = np.linspace(xlim[0], xlim[1], resolution)
ys = np.linspace(ylim[0], ylim[1], resolution)
# wrap the KDE function and vectorize it so that we can call it on
# the entire grid at once
def calc_prob(x,y):
return kde([x,y])[0]
calc_prob = vectorize(calc_prob)
# check if we've received a plotting surface
if ax is None:
fig = plt.figure(figsize=(6,6))
ax = fig.add_subplot(1,1,1)
# create the grid and calculate the density at each point
X,Y = np.meshgrid(xs, ys)
Z = calc_prob(X,Y)
# the values according to which the points should be colored
point_values = kde(data.T)
# plot the contour
cont = ax.contour(X,Y,Z)
#print cont
ax.plot(data[:,0], data[:,1], 'o')
return (None, None)
data_x = np.random.random((50,2))
cont = plot_2d_probsurface(data_x)
Così nel grafico qui sotto, i punti a più alta densità sarebbero di colore marrone, il prossimo arancione, il prossimo giallo, ecc ... I valori secondo la quale la i punti dovrebbero essere colorati sono già in point_values
. Questo deve solo essere convertito in colori e passato alla funzione plot
. Ma come ridimensionarli come nel grafico contour
?
Kudos per rispondere alla tua stessa domanda! Solo FYI: i colori non corrisponderanno esattamente. I colori dei contorni vengono ridimensionati al contorno min e max, mentre i colori a dispersione vengono ridimensionati al minimo e al massimo dei dati. Un modo rapido per fare ciò è fare qualcosa di simile a cont = ax.contour (...) 'e poi a' ax.scatter (x, y, c = z, cmap = cont.cmap, norm = cont.norm) '. Ciò darà una colormap continua, piuttosto che discreta (come dovrebbe usare 'contourf'), ma lo scaling sarà lo stesso. (Se hai davvero bisogno di una mappa colori discreta, usa 'plt.get_cmap (" nome ", N)'.) –
Grazie !! Questo è esattamente quello che stavo chiedendo. Se vuoi formulare una risposta, la accetto perché è una risposta più corretta e precisa alla domanda che ho posto :) –