我该如何策划ca. 作为散点图的2000万点？

Question

我正在尝试使用matplotlib创建一个散点图。 约 2000万个数据点。 即使在最终没有可见数据之前将alpha值设置为最低值之后，结果也只是一个完全黑色的图。

plt.scatter(timedPlotData, plotData, alpha=0.01, marker='.')

x轴是约2个月的连续时间线，y轴由150k个连续的整数值组成。

有没有办法绘制所有点，以便它们随时间的分布仍然可见？

谢谢您的帮助。

Answer 1

这样做的方法不止一种。 很多人建议使用热图/核密度估计/ 2d直方图。 @Bucky建议使用移动平均线。 此外，您可以在移动最小值和移动最大值之间填充，并在顶部绘制移动平均值。 我经常把它称为“块状图”，但这是一个可怕的名字。 下面的实现假设您的时间（x）值单调递增。 如果他们没有，这是很简单的排序y由x中的“组块”之前chunkplot功能。

这里有几个不同的想法。 哪个最好取决于你想要在情节中强调什么。 请注意，这将是相当慢的运行，但这主要是由于散点图。 其他绘图风格要快得多。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import datetime as dt
np.random.seed(1977)

def main():
    x, y = generate_data()
    fig, axes = plt.subplots(nrows=3, sharex=True)
    for ax in axes.flat:
        ax.xaxis_date()
    fig.autofmt_xdate()

    axes[0].set_title('Scatterplot of all data')
    axes[0].scatter(x, y, marker='.')

    axes[1].set_title('"Chunk" plot of data')
    chunkplot(x, y, chunksize=1000, ax=axes[1],
              edgecolor='none', alpha=0.5, color='gray')

    axes[2].set_title('Hexbin plot of data')
    axes[2].hexbin(x, y)

    plt.show()

def generate_data():
    # Generate a very noisy but interesting timeseries
    x = mdates.drange(dt.datetime(2010, 1, 1), dt.datetime(2013, 9, 1),
                      dt.timedelta(minutes=10))
    num = x.size
    y = np.random.random(num) - 0.5
    y.cumsum(out=y)
    y += 0.5 * y.max() * np.random.random(num)
    return x, y

def chunkplot(x, y, chunksize, ax=None, line_kwargs=None, **kwargs):
    if ax is None:
        ax = plt.gca()
    if line_kwargs is None:
        line_kwargs = {}
    # Wrap the array into a 2D array of chunks, truncating the last chunk if
    # chunksize isn't an even divisor of the total size.
    # (This part won't use _any_ additional memory)
    numchunks = y.size // chunksize
    ychunks = y[:chunksize*numchunks].reshape((-1, chunksize))
    xchunks = x[:chunksize*numchunks].reshape((-1, chunksize))

    # Calculate the max, min, and means of chunksize-element chunks...
    max_env = ychunks.max(axis=1)
    min_env = ychunks.min(axis=1)
    ycenters = ychunks.mean(axis=1)
    xcenters = xchunks.mean(axis=1)

    # Now plot the bounds and the mean...
    fill = ax.fill_between(xcenters, min_env, max_env, **kwargs)
    line = ax.plot(xcenters, ycenters, **line_kwargs)[0]
    return fill, line

main()

Answer 2

对于每一天，计算每个值的频率（collections.Counter将很好地执行此操作），然后绘制值的热图，每天一个。 要发布，请使用灰度图作为热图颜色。

Answer 3

我的建议是在绘制原始数据之前对原始数据使用排序和移动平均算法。 这应该在感兴趣的时间段内保持平均值和趋势不变，同时为您提供减少杂乱的情节。

Answer 4

每天将值分组为带，并使用计数，值带，日的3d直方图。

这样，您可以清楚地获得每天在给定波段中出现的次数。