我必须在几组数据上绘制 2D 直方图。我需要增加点之间的对比度,因为差异不是很明显。 Snice 每个数据集中的最大值是不同的,我必须找到一种自动归一化和增加强度(对比度)的方法。
以下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)
解决方案可能是:
1-按数据集的最大值除以历史数字
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?我期待着任何更好、更简单的解决方案。谢谢。
乘以任意数字将改变distribution
的变换。我建议您使用 vmin/vmaxnormalise
histogram
,可以在以下链接中找到规范化。
所以vmin = D2H.min(), vmax = D2H.max()