如何根据分箱数据的标准差绘制热图？

Question

我正在尝试根据网格数据制作标准偏差 (stdv) 的热图，即我已将数据划分为像网格一样的单元格，我想从每个单元格中获取 stdv 并绘制其值单元格，颜色编码为热图。下面是我用来将 x -y 平面划分为 4 个相等的 bin 或单元格的代码，然后让 v 值落入这 4 个 bin 中。我在每个 bin 中将它们和它们各自的 stdv 打印出来。

import numpy as np
import matplotlib.pyplot as plt
x = np.array([-10,-2,4,12,3,6,8,14,3])
y = np.array([5,5,-6,8,-20,10,2,2,8])
v = np.array([4,-6,-10,40,22,-14,20,8,-10])

xi = x // 20+1

yi = y // 20+1

k=2
cells = [[[] for yi in range(k)] for xi in range(k)]

for ycell in range(k):
    for xcell in range(k):
        cells[ycell][xcell] = v[(yi == xcell) & (xi == ycell)]
       
for ycell in range(k):
    for xcell in range(k):
        this = cells[ycell][xcell]
        print(ycell, xcell, len(this), this, sep='\t')
        print('direct std dev is', np.std(this))

我现在想在 x-y 平面上绘制它，这 4 个 bin 中的每一个都将 stdv 值表示为强度，并显示为如下图所示的热图：

有人可以帮我弄清楚如何创建这种热图吗？谢谢！

Answer 1

你的意思是：

k=2
cells = [[[] for yi in range(k)] for xi in range(k)]
stds = [[[] for yi in range(k)] for xi in range(k)]

for ycell in range(k):
    for xcell in range(k):
        cells[ycell][xcell] = v[(yi == xcell) & (xi == ycell)]

        # replace invalid (np.nan) with 0
        stds[ycell][xcell] = np.std(cells[ycell][xcell]) or 0

# import plot lib
import seaborn as sns

# heatmap
sns.heatmap(stds, cmap='Blues', annot=True)

输出：