快捷導(dǎo)航

Python利用matplotlib實(shí)現(xiàn)繪制密度散點(diǎn)圖

更新時(shí)間：2024年04月28日 09:41:08 作者：瘋狂學(xué)習(xí)GIS

這篇文章主要介紹了如何基于Python語言的matplotlib模塊,對(duì)Excel表格文件中的指定數(shù)據(jù)加以密度散點(diǎn)圖繪制的方法,有需要的小伙伴可以參考下

本文介紹基于Python語言的matplotlib模塊，對(duì)Excel表格文件中的指定數(shù)據(jù)，加以密度散點(diǎn)圖繪制的方法。

首先，明確一下本文的需求。

現(xiàn)有一個(gè).csv格式的表格文件，其各列數(shù)據(jù)的開頭部分如下圖所示。其中，對(duì)于名稱為26的這1列（左側(cè)紫色框內(nèi)數(shù)據(jù)），我們希望提取其數(shù)值等于1的所有行，并對(duì)這些行中的NIR_predict列與NIR_true列（右側(cè)紫色框內(nèi)數(shù)據(jù)）的數(shù)值加以密度散點(diǎn)圖的繪制。

明確了需求，即可開始代碼的撰寫。本文所用代碼如下。

# -*- coding: utf-8 -*-
"""
Created on Mon Apr  1 12:14:38 2024

@author: fkxxgis
"""

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy.stats import gaussian_kde

csv_file_path = r"E:\04_Reconstruction\99_MODIS\Train_Model_0715_Main_Combine.csv"
picture_file_path = r"E:\04_Reconstruction\99_MODIS\Scatter_result.png"

data = pd.read_csv(csv_file_path)

x = data[data["26"] == 1]['NIR_true']
y = data[data["26"] == 1]['NIR_predict']

xy = np.vstack([x,y])
z = gaussian_kde(xy)(xy)
idx = z.argsort()
plt.scatter(x, y, c = z, s = 10, cmap = "Spectral")
plt.colorbar()

plt.rc("font", family = "Times New Roman")
x_line = np.linspace(min(min(x), min(y)), max(max(x), max(y)), 100)
plt.plot(x_line, x_line, color='black', linestyle='--')
plt.xlabel('NIR_true')
plt.ylabel('NIR_predict')
plt.savefig(picture_file_path, dpi = 400)
plt.show()

首先，我們通過import語句導(dǎo)入所需模塊。其中，numpy用于數(shù)值計(jì)算，pandas用于數(shù)據(jù)處理，matplotlib.pyplot用于繪圖，scipy.stats.gaussian_kde用于計(jì)算核密度估計(jì)。

其次，通過csv_file_path定義待繪圖的.csv格式文件的路徑，通過picture_file_path定義存儲(chǔ)所得圖片結(jié)果的路徑。

隨后，使用pd.read_csv()從.csv格式文件中讀取數(shù)據(jù)，并存儲(chǔ)在名為data的DataFrame中。通過篩選條件data["26"] == 1從DataFrame中獲取符合指定條件的數(shù)據(jù)，并分別存儲(chǔ)在x和y中。

接下來，使用np.vstack()將x和y垂直堆疊為一個(gè)二維數(shù)組xy，并使用scipy.stats.gaussian_kde()計(jì)算二維數(shù)據(jù)的核密度估計(jì)值，并將其存儲(chǔ)在z中；使用z.argsort()對(duì)z進(jìn)行排序，返回索引值，并將其存儲(chǔ)在idx中。使用plt.scatter()繪制散點(diǎn)圖，其中x和y是散點(diǎn)的橫縱坐標(biāo)，c是顏色值，s是散點(diǎn)的大小，cmap是顏色映射，并使用plt.colorbar()添加顏色條。

緊接著，使用plt.rc()設(shè)置字體為Times New Roman；隨后，生成一條直線的橫坐標(biāo)范圍，使用np.linspace()生成一系列橫坐標(biāo)值，并存儲(chǔ)在x_line中；這些點(diǎn)將組成后續(xù)所得散點(diǎn)圖中的x = y線；使用plt.plot()繪制直線，顏色為黑色，線型為虛線。此外，使用plt.xlabel()和plt.ylabel()添加x軸和y軸的標(biāo)簽，使用plt.savefig()將圖形保存為指定路徑的圖片文件，設(shè)置dpi值為400。最后，使用plt.show()顯示圖形。

執(zhí)行上述代碼，即可在結(jié)果文件夾中看到所得圖片；如下圖所示。

可以看到，我們已經(jīng)繪制得到了指定數(shù)據(jù)之間的密度散點(diǎn)圖。當(dāng)然，我這里所選色帶，將密度較低的區(qū)域標(biāo)記為紅色系，密度較高的區(qū)域標(biāo)記為了藍(lán)色系，可能和一般情況下大家常用的色系相反——我是一開始選錯(cuò)了，后面也沒有修改，這里大家理解即可；如果需要修改這個(gè)色系，大家修改上述代碼中的cmap = "Spectral"部分即可。

至此，大功告成。

到此這篇關(guān)于Python利用matplotlib實(shí)現(xiàn)繪制密度散點(diǎn)圖的文章就介紹到這了,更多相關(guān)Python matplotlib繪制密度散點(diǎn)圖內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: