matplotlib：更改用 seaborn.heatmap 绘制的 ndim 直方图的轴刻度

Question

动机：

我正在尝试可视化包含许多 n 维向量的数据集（假设我有 10k 个向量，n=300 维）。我想做的是为每个 n 维计算一个直方图，并将其绘制为 bins*n 热图中的一条线。

到目前为止，我已经得到了这个：

import numpy as np
import matplotlib
from matplotlib import pyplot as plt
%matplotlib inline
import seaborn as sns

# sample data:
vectors = np.random.randn(10000, 300) + np.random.randn(300)

def ndhist(vectors, bins=500):
    limits = (vectors.min(), vectors.max())
    hists = []
    dims = vectors.shape[1]
    for dim in range(dims):
        h, bins = np.histogram(vectors[:, dim], bins=bins, range=limits)
        hists.append(h)
    hists = np.array(hists)
    fig = plt.figure(figsize=(16, 9))
    sns.heatmap(hists)
    axes = fig.gca()
    axes.set(ylabel='dimensions', xlabel='values')
    print(dims)
    print(limits)

ndhist(vectors)

这会生成以下输出：

300
(-6.538069472429366, 6.52159540162285)

问题/疑问：

如何更改坐标轴刻度？

• 对于 y 轴，我想简单地把它改回 matplotlib 的默认值，所以它会选择像 0, 50, 100, ..., 250 这样的漂亮刻度（299 或 300 的奖励积分）
• 对于 x 轴，我想将显示的 bin 索引转换为 bin（左）边界，然后，如上所述，我想将其改回 matplotlib 的一些“不错”刻度的默认选择，例如-5, -2.5, 0, 2.5, 5（积分还包括实际限制-6.538, 6.522）

自己的解决方案尝试：

我已经尝试了很多类似以下的方法：

def ndhist_axlabels(vectors, bins=500):
    limits = (vectors.min(), vectors.max())
    hists = []
    dims = vectors.shape[1]
    for dim in range(dims):
        h, bins = np.histogram(vectors[:, dim], bins=bins, range=limits)
        hists.append(h)
    hists = np.array(hists)
    fig = plt.figure(figsize=(16, 9))
    sns.heatmap(hists, yticklabels=False, xticklabels=False)
    axes = fig.gca()
    axes.set(ylabel='dimensions', xlabel='values')
    #plt.xticks(np.linspace(*limits, len(bins)), bins)
    plt.xticks(range(len(bins)), bins)
    axes.xaxis.set_major_locator(matplotlib.ticker.AutoLocator())
    plt.yticks(range(dims+1), range(dims+1))
    axes.yaxis.set_major_locator(matplotlib.ticker.AutoLocator())
    print(dims)
    print(limits)

ndhist_axlabels(vectors)

但是，正如您所见，坐标轴标签非常错误。我的猜测是范围或限制存储在原始轴中的某个位置，但在切换回AutoLocator 时会丢失。非常感谢您朝正确的方向轻推。

Answer 1

也许你想多了。要绘制图像数据，可以使用imshow 并免费获取标记和格式。

import numpy as np
from matplotlib import pyplot as plt

# sample data:
vectors = np.random.randn(10000, 300) + np.random.randn(300)

def ndhist(vectors, bins=500):
    limits = (vectors.min(), vectors.max())
    hists = []
    dims = vectors.shape[1]

    for dim in range(dims):
        h, _ = np.histogram(vectors[:, dim], bins=bins, range=limits)
        hists.append(h)
    hists = np.array(hists)

    fig, ax = plt.subplots(figsize=(16, 9))

    extent = [limits[0], limits[-1], hists.shape[0]-0.5, -0.5]  
    im = ax.imshow(hists, extent=extent, aspect="auto")
    fig.colorbar(im)

    ax.set(ylabel='dimensions', xlabel='values')

ndhist(vectors)
plt.show()

Answer 2

如果您阅读docs，您会注意到xticklabels/yticklabels 参数被重载，因此如果您提供整数而不是字符串，它会将参数解释为xtickevery/@ 987654329@ 并仅在相应位置放置刻度。因此，在您的情况下，seaborn.heatmap(hists, yticklabels=50) 解决了您的 y 轴问题。

关于您的 xtick 标签，我会明确地提供它们：

xtickevery = 50 
xticklabels = ['{:.1f}'.format(b) if ii%xtickevery == 0 else '' for ii, b in enumerate(bins)]
sns.heatmap(hists, yticklabels=50, xticklabels=xticklabels)

Answer 3

终于想出了一个适合我的版本，并基于一些简单的线性映射使用AutoLocator...

def ndhist(vectors, bins=1000, title=None):
    t = time.time()
    limits = (vectors.min(), vectors.max())
    hists = []
    dims = vectors.shape[1]
    for dim in range(dims):
        h, bs = np.histogram(vectors[:, dim], bins=bins, range=limits)
        hists.append(h)
    hists = np.array(hists)

    fig = plt.figure(figsize=(16, 12))
    sns.heatmap(
        hists,
        yticklabels=50,
        xticklabels=False
    )

    axes = fig.gca()
    axes.set(
        ylabel=f'dimensions ({dims} total)',
        xlabel=f'values (min: {limits[0]:.4g}, max: {limits[1]:.4g}, {bins} bins)',
        title=title,
    )

    def val_to_idx(val):
        # calc (linearly interpolated) index loc for given val
        return bins*(val - limits[0])/(limits[1] - limits[0])
    xlabels = [round(l, 3) for l in limits] + [
        v for v in matplotlib.ticker.AutoLocator().tick_values(*limits)[1:-1]
    ]
    # drop auto-gen labels that might be too close to limits
    d = (xlabels[4] - xlabels[3])/3
    if (xlabels[1] - xlabels[-1]) < d:
        del xlabels[-1]
    if (xlabels[2] - xlabels[0]) < d:
        del xlabels[2]
    xticks = [val_to_idx(val) for val in xlabels]
    axes.set_xticks(xticks)
    axes.set_xticklabels([f'{l:.4g}' for l in xlabels])

    plt.show()
    print(f'histogram generated in {time.time() - t:.2f}s')

ndhist(np.random.randn(100000, 300), bins=1000, title='randn')

感谢 Paul his answer 给了我这个想法。

如果有更简单或更优雅的解决方案，我仍然会感兴趣。