【问题标题】:Color a 2d histogram not by density but by the mean of a third column不是按密度而是按第三列的平均值为 2d 直方图着色
【发布时间】:2021-08-20 09:11:06
【问题描述】:
我有一个坐标数据集,每一行都有以下列:
我正在尝试找出是否存在坐标比其他区域更差的区域。我实现这一点的方法是使用散点图并使用色调来显示准确性。准确度值越高越差,因此图中较暗的点意味着它们总体上的准确度较差。
这在技术上解决了我的问题,但问题是计算需要很长时间(因为有超过 80 万行),我不确定这是实现我想要的最佳方式。我已经在这个数据集上使用了 2d 直方图,它们的工作就像一个魅力,而且速度非常快。问题是它们总是由密度着色,我想知道是否可以用 bin 的平均精度值来着色直方图。
如果有其他解决方案可以解决这个问题,那么我也全神贯注。我只提到这两个是因为我能想到的只有它们。
【问题讨论】:
标签:
python
matplotlib
plot
seaborn
data-science
【解决方案1】:
我找到了一种方法,它仍然不完美,但它符合我的需求。
这个想法实际上是使用 pandas 手动分箱数据:
coordinates['x_bin'] = pd.cut(coordinates['x_coordinate'], bins=30)
coordinates['y_bin'] = pd.cut(coordinates['y_coordinate'], bins=30)
然后我将这两个分组并使用这样的热图进行绘制:
grouped = coordinates.groupby(['x_bin', 'y_bin'], as_index=False)['accuracy'].mean()
data = grouped.pivot('y_bin', 'x_bin', 'accuracy')
fig, ax = plt.subplots(figsize=(20,10))
sns.heatmap(data, ax=ax, cmap=sns.cm.mako_r)
ax.invert_yaxis()
生成的图如下所示: