本文介绍了如何使用Python处理大量数据时遇到的散点图数据密度过大问题，提出了2D密度图作为解决方案。通过2D密度图，可以更清晰地观察两个定量变量的分布，避免数据点过度绘制。文中详细展示了2D密度图的绘制过程和不同类型的2D密度图，包括散点图、六边形蜂巢图、2D直方图、高斯核密度图以及带阴影和轮廓线的2D密度图。
当我们需要观察比较2个变量间的关系时，散点图是我们首选图表。
可当数据量非常大，数据点又比较集中在某个区间中，图表没法看，密密麻麻的怎么看?
怎么办?这时候就得看密度图了
什么是密度图?
所谓的密度图 (Density Plot) 就是数据的分布稠密情况，它常用于显示数据在连续时间段内的分布状况。严格来说，它是由直方图演变而来，类似于把直方图进行了填充。
一般是使用平滑曲线来绘制数值水平来观察分布，峰值数值位置是该时间段内最高度集中的地方。
它比直方图适用性更强，不受分组数量(直方图的条形数量不宜过多)的影响，能更好地界定分布形状 。
本篇文章不谈论直方图，之后老海会专门总结关于直方图的使用。
什么是2D密度图?
说完了密度图和直方图，它们都是一维数据变量。
这下我们来看看2D密度图，它显示了数据集中两个定量变量范围内值的分布，有助于避免在散点图中过度绘制。
如果点太多，则2D密度图会计算2D空间特定区域内的观察次数。
该特定区域可以是正方形或六边形(六边形)，还可以估算2D内核密度估算值，并用轮廓表示它。
本篇文章主要描述一下2D密度图的使用。
2D密度图的基本数据样式
2D密度图的使用建议
密度图是一种直方图的代替方案，常用来观察连续变量的分布情况
2D密度图主要用来解决数据点密度过大的问题，要注意密度分割是否合理。
当数据范围都非常集中，数据间变化不大时，密度图往往很难观察效果。
下面开始具体的操作案例
最低0.47元/天 解锁文章
扫一扫
3252
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
