在sns.kdeplot中实现Z轴的对数变换

Question

我试图在z轴上对给定的曲线图进行对数变换，以便我可以看到图中存在的数据，其中数据是稀疏的。但是我不知道该怎么做。

sns.kdeplot( x , y , cmap='gist_gray_r', shade=True, shade_lowest=False)

来自上述命令的图像附在下面，(x，y是2个数据列表)。有没有人可以帮助我们进行对数变换(即，将对数应用到z轴)。

​

​

Answer 1

Seaborn的kdeplot将不能直接考虑日志。但您可以手动调用kde，计算网格上的值并记录日志。然后手动创建等值线图。

但是，如果x和y数组不是非常大，kde在稀疏区域中就不会有太多有意义的信息。一切都会好起来的。

另一个想法是scatterplot。使用逗号标记(marker=',')并去掉点边缘(linewidth=0)可以绘制非常小的点。根据点的数量，可以使用较小的alpha。散点图的好处是可以真实地显示数据，而不是通过kde进行任意近似。

下面的代码创建了3种方法的示例。共享X和Y轴是为了说明对数刻度级别占用的更大区域。

from matplotlib import pyplot as plt
import numpy as np
import seaborn as sns
from scipy.stats import gaussian_kde

x = np.random.normal(np.tile([0.02, 0.03, 0.04, 0.06], 10000), 0.01)
y = np.random.normal(np.tile([-0.5, 0.5, 1, 0.9], 10000), 0.4)

fig, axes = plt.subplots(ncols=3, figsize=(14, 4), sharex=True, sharey=True)

# create a regular kdeplot
sns.kdeplot(x, y, cmap='gist_gray_r', shade=True, shade_lowest=False, ax=axes[0])
axes[0].set_title('standard kdeplot')

# create a kdeplot with logscale levels
kde = gaussian_kde([x, y])
xmin, xmax = x.min() - 0.02, x.max() + 0.02
ymin, ymax = y.min() - 0.8, y.max() + 0.8
xs, ys = np.meshgrid(np.linspace(xmin, xmax, 50), np.linspace(ymin, ymax, 50))
z = kde([xs.ravel(), ys.ravel()]).reshape(xs.shape)
N = 10
levels = np.logspace(-6, np.log10(z.max()), N + 1)
cmap = plt.get_cmap('inferno_r', N)
axes[1].contourf(xs, ys, z, levels=levels, colors=[cmap((i + 1) / N) for i in range(N)], alpha=0.5)
axes[1].yaxis.set_tick_params(labelleft=True) # 'sharey' removes the ticks, here they are added again
axes[1].set_title('kdeplot with logscale levels')

# draw a scatter plot
sns.scatterplot(x, y, color='r', marker=',', linewidth=0, s=1, alpha=0.2, ax=axes[2])
axes[2].yaxis.set_tick_params(labelleft=True)
axes[2].set_title('scatterplot')
plt.show()

​

​

另一个想法是将常规的kdeplot与远程点的散点图结合起来：

ax = sns.kdeplot(x, y, cmap='gist_gray_r', shade=True, shade_lowest=False)
sns.scatterplot(x, y, color='grey', marker=',', linewidth=0, s=1, alpha=1, zorder=0, ax=ax)

​

​