matplotlibで密度で色分けされた散布図を作成するにはどうすればよいですか？

各ポイントが近くのポイントの空間密度によって色付けされている散布図を作成したいと思います。

私は非常によく似た質問に出くわしました。これは、Rを使用したこの例を示しています。

R散布図：シンボルの色は重なり合う点の数を表します

matplotlibを使用してPythonで同様のことを達成するための最良の方法は何ですか？

@askewchanが提案したことに加えて、hist2dまたはhexbinそのように、リンクした質問で受け入れられた回答が使用するのと同じ方法を使用できます。

あなたがそれをしたい場合：

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

# Generate fake data
x = np.random.normal(size=1000)
y = x * 3 + np.random.normal(size=1000)

# Calculate the point density
xy = np.vstack([x,y])
z = gaussian_kde(xy)(xy)

fig, ax = plt.subplots()
ax.scatter(x, y, c=z, s=100, edgecolor='')
plt.show()

最も密度の高いポイントが常に上になるように（リンクされた例と同様に）ポイントを密度の順にプロットする場合は、z値で並べ替えるだけです。少し見栄えがするので、ここでは小さいマーカーサイズも使用します。

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

# Generate fake data
x = np.random.normal(size=1000)
y = x * 3 + np.random.normal(size=1000)

# Calculate the point density
xy = np.vstack([x,y])
z = gaussian_kde(xy)(xy)

# Sort the points by density, so that the densest points are plotted last
idx = z.argsort()
x, y, z = x[idx], y[idx], z[idx]

fig, ax = plt.subplots()
ax.scatter(x, y, c=z, s=50, edgecolor='')
plt.show()

ヒストグラムを作成できます。

import numpy as np
import matplotlib.pyplot as plt

# fake data:
a = np.random.normal(size=1000)
b = a*3 + np.random.normal(size=1000)

plt.hist2d(a, b, (50, 50), cmap=plt.cm.jet)
plt.colorbar()

また、ポイントの数によってKDEの計算が遅くなりすぎる場合は、np.histogram2dで色を補間できます[コメントに応じて更新：カラーバーを表示する場合は、ax.scatter（）の代わりにplt.scatter（）を使用してくださいplt.colorbar（）による]：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm
from matplotlib.colors import Normalize 
from scipy.interpolate import interpn

def density_scatter( x , y, ax = None, sort = True, bins = 20, **kwargs )   :
    """
    Scatter plot colored by 2d histogram
    """
    if ax is None :
        fig , ax = plt.subplots()
    data , x_e, y_e = np.histogram2d( x, y, bins = bins, density = True )
    z = interpn( ( 0.5*(x_e[1:] + x_e[:-1]) , 0.5*(y_e[1:]+y_e[:-1]) ) , data , np.vstack([x,y]).T , method = "splinef2d", bounds_error = False)

    #To be sure to plot all data
    z[np.where(np.isnan(z))] = 0.0

    # Sort the points by density, so that the densest points are plotted last
    if sort :
        idx = z.argsort()
        x, y, z = x[idx], y[idx], z[idx]

    ax.scatter( x, y, c=z, **kwargs )

    norm = Normalize(vmin = np.min(z), vmax = np.max(z))
    cbar = fig.colorbar(cm.ScalarMappable(norm = norm), ax=ax)
    cbar.ax.set_ylabel('Density')

    return ax


if "__main__" == __name__ :

    x = np.random.normal(size=100000)
    y = x * 3 + np.random.normal(size=100000)
    density_scatter( x, y, bins = [30,30] )

10万を超えるデータポイントをプロットしますか？

受け入れ答え、使用してgaussian_kdeを（）に多くの時間がかかります。私のマシンでは、100k行に約11分かかりました。ここでは、2つの代替方法（mpl-scatter-densityとdatashader）を追加し、指定された回答を同じデータセットと比較します。

以下では、100k行のテストデータセットを使用しました。

import matplotlib.pyplot as plt
import numpy as np

# Fake data for testing
x = np.random.normal(size=100000)
y = x * 3 + np.random.normal(size=100000)

出力と計算時間の比較

以下は、さまざまな方法の比較です。

1: mpl-scatter-density

インストール

pip install mpl-scatter-density

サンプルコード

import mpl_scatter_density # adds projection='scatter_density'
from matplotlib.colors import LinearSegmentedColormap

# "Viridis-like" colormap with white background
white_viridis = LinearSegmentedColormap.from_list('white_viridis', [
    (0, '#ffffff'),
    (1e-20, '#440053'),
    (0.2, '#404388'),
    (0.4, '#2a788e'),
    (0.6, '#21a784'),
    (0.8, '#78d151'),
    (1, '#fde624'),
], N=256)

def using_mpl_scatter_density(fig, x, y):
    ax = fig.add_subplot(1, 1, 1, projection='scatter_density')
    density = ax.scatter_density(x, y, cmap=white_viridis)
    fig.colorbar(density, label='Number of points per pixel')

fig = plt.figure()
using_mpl_scatter_density(fig, x, y)
plt.show()

これを描くのに0.05秒かかりました：

そして、ズームインは非常に見栄えがします。

2: datashader

• Datashaderは興味深いプロジェクトです。ただし、2020年9月現在のmatplotlibのサポートはWIPです。nvictusのクローンからmplブランチをインストールしました。

pip install "git+https://github.com/nvictus/datashader.git@mpl"

コード（ここにdsshowのソース）：

from functools import partial

import datashader as ds
from datashader.mpl_ext import dsshow
import pandas as pd

dyn = partial(ds.tf.dynspread, max_px=40, threshold=0.5)

def using_datashader(ax, x, y):

    df = pd.DataFrame(dict(x=x, y=y))
    da1 = dsshow(df, ds.Point('x', 'y'), spread_fn=dyn, aspect='auto', ax=ax)
    plt.colorbar(da1)

fig, ax = plt.subplots()
using_datashader(ax, x, y)
plt.show()

• これを描くのに0.83秒かかりました：

ズームした画像は見栄えがします！

3: scatter_with_gaussian_kde

def scatter_with_gaussian_kde(ax, x, y):
    # https://stackoverflow.com/a/20107592/3015186
    # Answer by Joel Kington

    xy = np.vstack([x, y])
    z = gaussian_kde(xy)(xy)

    ax.scatter(x, y, c=z, s=100, edgecolor='')

• これを描くのに11分かかりました：

4: using_hist2d

import matplotlib.pyplot as plt
def using_hist2d(ax, x, y, bins=(50, 50)):
    # https://stackoverflow.com/a/20105673/3015186
    # Answer by askewchan
    ax.hist2d(x, y, bins, cmap=plt.cm.jet)

• このビンを描画するのに0.021秒かかりました=（50,50）：
• このビンを描画するのに0.173秒かかりました=（1000,1000）：
• 短所：拡大されたデータは、mpl-scatter-densityまたはdatashaderの場合ほど見栄えがよくありません。また、ビンの数を自分で決定する必要があります。

5: density_scatter

• コードは答えのとおりですによってギヨーム。
• bins =（50,50）でこれを描画するのに0.073秒かかりました：
• bins =（1000,1000）でこれを描画するのに0.368秒かかりました：