如何通过 matplotlib 增加 2D 直方图中的对比度答案

【问题标题】：How to increase contrast in a 2D histogram by matplotlib如何通过 matplotlib 增加 2D 直方图中的对比度
【发布时间】：2019-08-30 07:18:24
【问题描述】：

我必须在几组数据上绘制二维直方图。我需要增加点之间的对比度，因为差异不是很明显。鉴于每个数据集中的最大值不同，我必须找到一种自动的方式来进行归一化和增加强度（对比度）。

这是我在每个数据集上使用的代码：

H2, xedges, yedges, image = plt.hist2d(DF['x'], DF['y'], bins=(500, 500), cmap="hot", cbar = False, xticklabels = False, yticklabels = False, robust = True)

可能的解决方案是：

1- 将历史数除以数据集的最大值

2- 将数据集乘以强度因子（例如 1000）

3- 使用 seaborn.heatmap() 绘制新数据

这可以通过以下方式实现：

D2H, xedges, yedges = np.histogram2d(DF['x'], DF['y'], bins=(500, 500))
sns.heatmap(D2H/(D2H.max())*1000, cmap = "hot", cbar = False, xticklabels = False, yticklabels = False, robust = True)

你认为这是最好的方法吗？我期待任何更好、更简单的解决方案。谢谢。

【问题讨论】：

标签： python matplotlib histogram

【解决方案1】：

乘以任意数字将改变distribution 的转换。我建议你 normalise 和 histogram 使用 vmin/vmax，可以在以下链接中找到 Normalisation。

所以vmin = D2H.min(), vmax = D2H.max()

【讨论】：

谢谢。我已经尝试过这种方法。这种方法的对比度很差。顺便说一句，乘法不会改变转换，因为它还除以数组的最大值（=标准化）。
您可以使用您的colormap。如果您知道最小值-最大值，您可以将颜色设置为这些值。
我假设是这个，但它必须是 hot colormap?
正如我所说，我必须在几个数据集上绘图，我不想一一检查最大值和最小值是什么。它必须是自动化的。我发现“热”cmap 更好，但“inferno”和“magma”以及其他一些也不错。