花瓣长度和花瓣宽度散点图鸢尾花_[Python] 散点图添加二维颜色映射

最新推荐文章于 2024-05-10 11:08:10 发布

weixin_39940714

最新推荐文章于 2024-05-10 11:08:10 发布

阅读量465

点赞数

文章标签：花瓣长度和花瓣宽度散点图鸢尾花

本文链接：https://blog.csdn.net/weixin_39940714/article/details/112623159

版权

本文介绍了如何使用Python实现2D颜色映射的散点图，特别是通过colorbar2d函数来展示鸢尾花数据集中花瓣长度和花瓣宽度的关系。此函数允许以色相和明度表示额外的属性，并提供了返回RGB和HSV信息的功能。

摘要由CSDN通过智能技术生成

在散点图中，一般使用一维的色彩映射显示散点的某个属性。 @Pjer 大佬使用2D的colormap实现了“在同一张2d图里面显示出所有对应点的2种属性”，并指出了“从HSV色彩空间到RGB色彩空间的映射”这一思路。大佬的回答如下：

科研画图都用什么软件？www.zhihu.com

本文中，我使用Python复现了这一功能，并完善成一个方便使用的函数colorbar2d，在这里做简要介绍并提供源码。

colorbar2d 可选择输入以下参数：

list1：（必须）一维数组，将转换为色相信息；
list2：（必须）一维数组，将转换为明度信息；
minColor：字符串，表示起始色相，默认minColor = None（注）；
maxColor：字符串，表示终止色相，默认minColor = None（注）；
maxv：0-1之间的浮点数或整数，表示最暗的明度，默认maxv = 1，即纯黑色；
s：0-1之间的浮点数或整数，表示饱和度，默认s = 1，即饱和度最大；
step：colormap的绘制方式为矩阵排列的散点叠加而成，该参数用于控制散点的间隔；默认step = 0.05；

colorbar2d 实例化后，可选择返回以下输出：

colorbar2d.rgb()：返回 n×3 数组，n 为输入的一维数组的长度值，即样本数；3 为R、G、B信息；
colorbar2d.hsv()：返回 n×3 数组，即各样本的H、S、V信息（不常用）；
colorbar2d.colorbar()，返回两个一维数组（x、y轴散点坐标）和一个 n×3 数组（散点的RGB信息）；上述信息用于绘制二维colorbar；
注：颜色可选择红（red，r）、橙（orange，o）、黄（yellow，y）、绿（green，g）、青（cyan，c）、蓝（blue，b）、紫（purple，m）；若输入中没有颜色范围指示，colorbar默认绘制从红至紫的所有色相。

colorbar2d 源码如下：

from matplotlib import colors
import numpy as np

class colorbar2d:
    def __init__(self, list1, list2, minColor = None, maxColor = None, maxv = 1, s = 1, step = 0.05):
        
        self.list1_max, self.list1_min = max(list1), min(list1)
        self.list2_max, self.list2_min = max(list2), min(list2)
        self.maxv = maxv
        self.maxs = s
        
        # 将所选特征0-1化
        if minColor == None and maxColor == None:
            self.h = (list1 - self.list1_min) / (self.list1_max - self.list1_min)
            self.limit_color = False
        else:
            color_dic = {'red':0, 'orange':18, 'yellow':30, 'green':56, 
                         'cyan':88, 'blue':112, 'purple':140, 'r':0, 
                         'o':18, 'y':30, 'g':56, 'c':88, 
                         'b':112, 'm':140}
            self.mincolor = color_dic.get(minColor)/180.0
            self.maxcolor = color_dic.get(maxColor)/180.0
            self.h = (list1 - self.list1_min) / (self.list1_max - self.list1_min) * (self.maxcolor - self.mincolor) + self.mincolor
            self.limit_color = True
        
        self.v = (list2 - self.list2_min) / (self.list2_max - self.list2_min) * self.maxv + (1- self.maxv)
        self.s = [self.maxs for i in range(len(list1))]
        
        self.hsv = np.zeros(shape=(len(list1),3))
        self.hsv[:,0] = self.h
        self.hsv[:,1] = self.s
        self.hsv[:,2] = self.v
        
    def rgb(self):
        self.rgb = colors.hsv_to_rgb(self.hsv)
        return self.rgb
        
    def hsv(self):
        return self.hsv
    
    def colorbar(self):
        h = 0.05
        xx, yy = np.meshgrid(np.arange(self.list1_min, self.list1_max, h), 
                             np.arange(self.list2_min, self.list2_max, h))
        xx, yy = xx.ravel(), yy.ravel()
        if self.limit_color == False:
            colorbar_h = (xx - self.list1_min) / (self.list1_max - self.list1_min)
            colorbar_v = (yy - self.list2_min) / (self.list2_max - self.list2_min)
        else:
            colorbar_h = (xx - self.list1_min) / (self.list1_max - self.list1_min) * (self.maxcolor - self.mincolor) + self.mincolor
        
        colorbar_v = (yy - self.list2_min) / (self.list2_max - self.list2_min) * self.maxv + (1- self.maxv)
        colorbar_s = [self.maxs for i in range(len(xx))]
            
        hsv = np.zeros(shape=(len(xx),3))
        hsv[:,0] = colorbar_h
        hsv[:,1] = colorbar_s
        hsv[:,2] = colorbar_v
        rgb = colors.hsv_to_rgb(hsv)
        return xx, yy, rgb

以鸢尾花数据集为例绘制题图。该数据集中每个样本（鸢尾花）有四个属性：花萼长度（Sepal Length），花萼宽度（Sepal Width），花瓣长度（Petal Length），花瓣宽度（Petal Width）。数据集共150个样本，包含三种鸢尾花：Setosa（山鸢尾）、Versicolour（杂色鸢尾），Virginica（维吉尼亚鸢尾）。

我们选择Sepal Length、Sepal Width以散点图的x、y轴表示，Petal Length、Petal Width分别以colorbar颜色属性中的色相、明度表示。代码及结果如下：

from matplotlib import pyplot as plt
from sklearn.datasets import load_iris

iris = load_iris()

mycolorbar = colorbar2d(iris.data[:,2], iris.data[:,3], 'b', 'r', maxv = 0.8)
mycolorbar_rgb = mycolorbar.rgb()
colorbar_x, colorbar_y, xy_color = mycolorbar.colorbar()

fig = plt.figure(figsize=(8,6))
fig.subplots_adjust(wspace = 0.5, hspace = 0.5)
plt.subplot2grid((1,4),(0,0),colspan=3)
plt.scatter(iris.data[:50,0], iris.data[:50,1], 
            s = 30, marker = '^', c = mycolorbar_rgb[:50,:], 
            label = 'Setosa')
plt.scatter(iris.data[50:100,0], iris.data[50:100,1], 
            s = 30, marker = 'o', c = mycolorbar_rgb[50:100,:], 
            label = 'Versicolour')
plt.scatter(iris.data[100:,0], iris.data[100:,1], 
            s = 30, marker = '*', c = mycolorbar_rgb[100:,:], 
            label = 'Virginica')
plt.xlabel("sepal length")
plt.ylabel("sepal width")
plt.title("sepal length and width scatter")
plt.legend(loc = "upper right")

plt.subplot2grid((1,4),(0,3))
plt.scatter(colorbar_y, colorbar_x, c = xy_color)
plt.xlim(colorbar_y.min(), colorbar_y.max())
plt.ylim(colorbar_x.min(), colorbar_x.max())
plt.xlabel("petal width")
plt.ylabel("petal length")
plt.title('colormap')
plt.show()

在此基础上，可以在colormap中添加核密度估计图用以指示样本属性在colormap上的分布。代码及结果如下：

def get_scatter(x, y):
    xmin, xmax = x.min(), x.max()
    ymin, ymax = y.min(), y.max()
    xx, yy = np.mgrid[xmin:xmax:100j, ymin:ymax:100j]
    positions = np.vstack([xx.ravel(), yy.ravel()])
    values = np.vstack([x, y])
    kernel = st.gaussian_kde(values)
    f = np.reshape(kernel(positions).T, xx.shape)
    return xx, yy, f

fig = plt.figure(figsize=(8,6))
fig.subplots_adjust(wspace = 0.5, hspace = 0.5)
plt.subplot2grid((1,4),(0,0),colspan=3)
plt.scatter(iris.data[:50,0], iris.data[:50,1], 
            s = 30, marker = '^', c = mycolorbar_rgb[:50,:], 
            label = 'Setosa')
plt.scatter(iris.data[50:100,0], iris.data[50:100,1], 
            s = 30, marker = 'o', c = mycolorbar_rgb[50:100,:], 
            label = 'Versicolour')
plt.scatter(iris.data[100:,0], iris.data[100:,1], 
            s = 30, marker = '*', c = mycolorbar_rgb[100:,:], 
            label = 'Virginica')
plt.xlabel("sepal length")
plt.ylabel("sepal width")
plt.title("sepal length and width scatter")
plt.legend(loc = "upper right")
plt.grid()

plt.subplot2grid((1,4),(0,3))
# 绘制三种鸢尾花样本的分布曲线
xx1, yy1, f1 = get_scatter(iris.data[:50,3], iris.data[:50,2])
plt.contour(xx1, yy1, f1, 3, colors='w', linewidths = 1)
xx2, yy2, f2 = get_scatter(iris.data[50:100,3], iris.data[50:100,2])
plt.contour(xx2, yy2, f2, 3, colors='w', linewidths = 1)
xx3, yy3, f3 = get_scatter(iris.data[100:,3], iris.data[100:,2])
plt.contour(xx3, yy3, f3, 3, colors='w', linewidths = 1)

plt.scatter(colorbar_y, colorbar_x, c = xy_color)

plt.xlim(colorbar_y.min(), colorbar_y.max())
plt.ylim(colorbar_x.min(), colorbar_x.max())
plt.xlabel("petal width")
plt.ylabel("petal length")
plt.title('color bar')

plt.savefig("temp.png",dpi=300,bbox_inches = 'tight')

plt.show()