为出现次数绘制热图答案

【问题标题】：Implot heat map for number of occurences为出现次数绘制热图
【发布时间】：2020-07-08 05:26:06
【问题描述】：

] 在这里您只能看到蓝点。我可以根据出现的次数有不同的颜色深浅吗？还是有其他情节或图书馆？如果我的目的完全不同，那很好。我想要两个变量之间的散点图，一条回归线和具有不同数量数据点的区域，获得不同的颜色深浅会很好。换句话说，如果一个区域有更多的数据点集中，它可能是深红色。如果任何区域绘制的点较少，它可能会有非常浅的红色

df_new[['CRP0_VDDN','EYE_WIDTH']].head(50)
     CRP0_VDDN  EYE_WIDTH
0       1.200       54.6
1       1.200       66.3
2       1.200       58.5
3       1.200       58.5
4       1.200       62.4
5       1.200       54.6
6       1.200       66.3
7       1.200       66.3
8       1.200       66.3
9       1.200       62.4
10      1.200       54.6
11      1.200       66.3
12      1.200       62.4
13      1.200       50.7
14      1.200       62.4
15      1.200       66.3
16      1.200       58.5
17      1.200       66.3
18      1.200       54.6
19      1.200       50.7
20      1.200       58.5
21      1.200       66.3
22      1.200       58.5
23      1.200       54.6
24      1.200       54.6
25      1.200       66.3
26      1.200       54.6
27      1.200       62.4
28      1.200       58.5
29      1.200       46.8
30      1.200       54.6
31      1.200       66.3
32      1.175       70.2
33      1.175       66.3
34      1.175       62.4
35      1.175       66.3
36      1.175       50.7
37      1.175       54.6
38      1.175       66.3
39      1.175       66.3
40      1.175       54.6
41      1.175       54.6
42      1.175       54.6
43      1.175       58.5
44      1.175       58.5
45      1.175       50.7
46      1.175       62.4
47      1.175       74.1
48      1.126       58.5
49      1.126       62.4

【问题讨论】：

您可以尝试使用例如使点半透明sns.lmplot(..., scatter_kws={'alpha': 0.5}).
我试过了，但这似乎不是我的解决方案。如果我的目的完全不同，那很好。我想要两个变量之间的散点图，一条回归线和具有不同数量数据点的区域，获得不同的颜色深浅会很好。换句话说，应该以某种方式知道数据点的强度
如果您提供一些玩具数据来重现类似的情节，人们可以尝试使用不同的参数设置不同的方法会是什么样子。也许density plot 可以工作？
已进行编辑，已添加玩具数据。我相信密度图不能满足我回归线的目的

标签： python matplotlib seaborn heatmap

【解决方案1】：

你应该可以在这里找到合适的。

https://seaborn.pydata.org/tutorial/color_palettes.html

或者，在这里。

https://heartbeat.fritz.ai/seaborn-heatmaps-13-ways-to-customize-correlation-matrix-visualizations-f1c49c816f07

import seaborn as sns
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

tips_df = sns.load_dataset('tips')
tips_df.head()

sns.heatmap(tips_df.corr(), annot = True, vmin=-1, vmax=1, center= 0, cmap="YlOrBr")

sns.heatmap(tips_df.corr(), annot = True, vmin=-1, vmax=1, center= 0, cmap= 'coolwarm', linewidths=3, linecolor='black')

【讨论】：