python散点图密度颜色_Matplotlib：根据相对于其他数据的密度对散点图着色

我一直在尝试做同样的事情，基于同一个早期的帖子，我想我只是想出来了！诀窍是使用matplotlib.colors.Normalize()来定义一个刻度，然后根据一些数据集（xnorm，ynorm）对其进行加权：import numpy as np

import matplotlib.pyplot as plt

import matplotlib.colors as mplc

import matplotlib.cm as cm

from scipy.stats import gaussian_kde

def kdeplot(x,y,xnorm,ynorm):

xy = np.vstack([x,y])

z = gaussian_kde(xy)(xy)

wt = 1.0*len(x)/(len(xnorm)*1.0)

norm = mplc.Normalize(vmin=0, vmax=8/wt)

cmap = cm.gnuplot

idx = z.argsort()

x, y, z = x[idx], y[idx], z[idx]

args = (x,y)

kwargs = {'c':z,'s':10,'edgecolor':'','cmap':cmap,'norm':norm}

return args, kwargs

# (x1,y1) is some data set whose density map coloring you

# want to scale to (xnorm,ynorm)

args,kwargs = kdeplot(x1,y1,xnorm,ynorm)

plt.scatter(*args,**kwargs)

我使用反复试验来优化我的特定数据和颜色映射选择的规范化。Here's我的数据看起来像是按自身比例缩放的；here's我的数据缩放为一些比较数据（在图片的底部）。在

我不确定这种方法是否完全通用，但它在我的例子中是有效的：我知道我的数据和比较数据在参数空间的相似区域，它们都有高斯散射，所以我可以使用一个由数据点数量确定的朴素的线性缩放，结果是在视觉上给出了正确的想法。在