从投影的 2d 直方图绘制对齐的 x,y 1d 直方图答案

【问题标题】：Plot aligned x,y 1d histograms from projected 2d histogram从投影的 2d 直方图绘制对齐的 x,y 1d 直方图
【发布时间】：2017-03-31 05:27:52
【问题描述】：

我需要生成一张类似于this example中所示的图片：

不同之处在于，我没有使用二维的散点，而是使用 numpy 的 histogram2d 生成二维直方图，并使用 imshow 和 gridspec 绘制：

如何将此二维直方图投影到水平和垂直直方图（或曲线）中，使其看起来像第一张图像一样对齐？

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

data = # Uploaded to http://pastebin.com/tjLqM9gQ

# Create a meshgrid of coordinates (0,1,...,N) times (0,1,...,N)
y, x = np.mgrid[:len(data[0, :, 0]), :len(data[0, 0, :])]
# duplicating the grids
xcoord, ycoord = np.array([x] * len(data)), np.array([y] * len(data))
# compute histogram with coordinates as x,y
h, xe, ye = np.histogram2d(
    xcoord.ravel(), ycoord.ravel(),
    bins=[len(data[0, 0, :]), len(data[0, :, 0])],
    weights=stars.ravel())

# Projected histograms inx and y
hx, hy = h.sum(axis=0), h.sum(axis=1)

# Define size of figure
fig = plt.figure(figsize=(20, 15))
gs = gridspec.GridSpec(10, 12)

# Define the positions of the subplots.
ax0 = plt.subplot(gs[6:10, 5:9])
axx = plt.subplot(gs[5:6, 5:9])
axy = plt.subplot(gs[6:10, 9:10])

ax0.imshow(h, cmap=plt.cm.viridis, interpolation='nearest',
           origin='lower', vmin=0.)

# Remove tick labels
nullfmt = NullFormatter()
axx.xaxis.set_major_formatter(nullfmt)
axx.yaxis.set_major_formatter(nullfmt)
axy.xaxis.set_major_formatter(nullfmt)
axy.yaxis.set_major_formatter(nullfmt)

# Top plot
axx.plot(hx)
axx.set_xlim(ax0.get_xlim())
# Right plot
axy.plot(hy, range(len(hy)))
axy.set_ylim(ax0.get_ylim())

fig.tight_layout()
plt.savefig('del.png')

【问题讨论】：

不能有多对水平和垂直直方图可以产生给定的二维直方图矩阵吗？
不确定我是否关注尼克。我需要将 2D 直方图投影到 x,y 轴。这是，堆叠所有列中的值（即：对给定列或 x 值的所有 bin 值求和，并对所有列重复），以生成水平直方图（x 轴），以及要生成的所有行中的值垂直直方图（y 轴）。
看来你已经有了解决方案（"sum all bin values for a given column or x value, and repeat for all columns"），那么问题到底出在哪里?
您是在问如何投影数据，即hx, hy = h.sum(axis=0), h.sum(axis=1) 或如何绘制它？
是的，我在问如何执行该总和，以便结果是每个维度的一维直方图。 hx, hy = h.sum(axis=0), h.sum(axis=1) 没有给出预期的结果。

标签： python numpy matplotlib histogram

【解决方案1】：

如果您对所有边缘分布都没有问题，您可以使用corner

例如：

import corner
import numpy as np
import pandas as pd

N = 1000

CORNER_KWARGS = dict(
    smooth=0.9,
    label_kwargs=dict(fontsize=30),
    title_kwargs=dict(fontsize=16),
    truth_color="tab:orange",
    quantiles=[0.16, 0.84],
    levels=(1 - np.exp(-0.5), 1 - np.exp(-2), 1 - np.exp(-9 / 2.0)),
    plot_density=False,
    plot_datapoints=False,
    fill_contours=True,
    max_n_ticks=3,
    verbose=False,
    use_math_text=True,
)


def generate_data():
    return pd.DataFrame(dict(
        x=np.random.normal(0, 1, N),
        y=np.random.normal(0, 1, N)
    ))


def main():
    data = generate_data()
    fig = corner.corner(data, **CORNER_KWARGS)
    fig.show()


if __name__ == "__main__":
    main()

【讨论】：