散点图在斑点密集的区域仍然不透明答案

【问题标题】：Scatter plot with alpha still opaque on areas where spots are dense散点图在斑点密集的区域仍然不透明
【发布时间】：2015-06-05 20:02:21
【问题描述】：

我有一个散点图，它绘制了来自两个不同数据集的大量点。在某些区域，有大量的点，因此即使 alpha 非常低（例如 alpha=0.1），您也无法看穿质量。但是在那个 alpha 上，你几乎看不到稀疏区域中的点。有没有办法限制堆叠点的 alpha 或以某种方式使背景在密集区域下可见，同时不洗掉稀疏区域？

sn-p 代码如下：

# Code to populate the datasets not included.
fig, ax = plt.subplots()
ax.scatter(x1, y1, s=12, color='red')
ax.scatter(x2, y2, s=12, color='blue', alpha=0.1)
# Plus code to do xlabels and such not included.

制作这个：

如您所见，很难看到底部红色腿的边界，并且仍然使顶部蓝色腿打出。

有什么方法可以制作这种效果吗？

提前致谢。

编辑

一个不错的建议似乎是使用 hexbin 而不是 scatter。这看起来确实很有希望，但颜色仍然不能很好地融合。例如，

ax.hexbin(x1, y1, cmap='Reds', mincnt=1, vmax=100)
ax.hexbin(x2, y2, cmap='Blues', mincnt=1, vmax=50, alpha=0.8, linewidths=0)

产量：

让那些蓝色和红色融合起来真的很棒。也许每个像素都可以有来自一个数据集的 R 值，以及来自另一个数据集的 B 值或其他什么？但它似乎不是 hexbin 中的一个选项。

编辑

应用 Thomasillo 的答案后：

谢谢，我觉得比原版好看。

【问题讨论】：

你可以考虑改用 hexbin，如this example所示。
@BrenBarn hexbin 在这里有什么用处？这是一个两组密度。我也不明白您链接的示例是否应该解决这个特定问题。
您可以使用两个 hexbin，就像您当前使用两个散点图一样。如果您对两个 hexbin 使用不同的颜色图，并将两个 alpha 设置为某个非透明值，那么您可以获得两个在某些地方重叠的 hexbin。我不认为散点图（即使使用 alpha 值）对于具有如此多重叠的数据集来说是最佳选择。
我能想到的一个解决方案是单独绘制每个点，并根据在一定半径内靠近它的点数来更改其 alpha 值。（最近的邻居？）当然这需要你检查每个点与其他每个点 O(n^2) 并需要你摆弄一个距离计数函数，然后你需要根据它创建一个 alpha 值（这是很多不需要的工作做完了）。如果您更改绘图宽度/高度，它也会有所不同
我会尝试密度的等高线图——这意味着像六边形一样计算密度，但有时更容易阅读。

标签： python matplotlib alpha scatter-plot

【解决方案1】：

1) 为了改进 hexbin 图，您可以使用选项 bins='log'。这会以对数方式计算六边形分箱的颜色，从而有效地使较小的数字比较高的数字更突出。

2) 自己计算每个数据集的密度。并从两种密度生成颜色，例如让一个密度影响红色通道，另一个影响蓝色通道。使用 imshow 绘制结果。

有点像

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

x1 = np.random.binomial(5100,0.5,51100)
y1 = np.random.binomial(5000,0.7,51100)
x2 = np.random.binomial(5000,0.5,51100)
y2 = np.random.binomial(5000,0.7,51100)


xmin,xmax,xnum = 2350,2700,50
ymin,ymax,ynum = 3350,3700,50
xx,yy=np.mgrid[xmin:xmax:xnum*1j,ymin:ymax:ynum*1j]

def closest_idx(x,y):
    idcs    = np.argmin((xx-x)**2 + (yy-y)**2)
    i_x,i_y = np.unravel_index(idcs, (xnum,ynum) )
    return i_x,i_y

def calc_count( xdat,ydat ):
    ct = np.zeros_like(xx)
    for x,y in itertools.izip(xdat,ydat):
        ix,iy = closest_idx(x,y)
        ct [ix,iy] += 1
    return ct

ct1 = calc_count( x1,y1 )
ct2 = calc_count( x2,y2 )

def color_mix( c1 , c2 ):
    cm=np.empty_like(c1)
    for i in [0,1,2]:
        cm[i] = (c1[i]+c2[i])/2.
    return cm

dens1 = ct1 / np.max(ct1)
dens2 = ct2 / np.max(ct2)

ct1_color = np.array([1+0*dens1 , 1-dens1 , 1-dens1  ])
ct2_color = np.array([1-dens2   , 1-dens2 , 1+0*dens2])

col = color_mix( ct1_color , ct2_color )
col = np.transpose( col, axes=(2,1,0))


plt.imshow( col , interpolation='nearest' ,extent=(xmin,xmax,ymin,ymax),origin='lower')
plt.show()

【讨论】：

谢谢！我不得不在日志空间中绘制我的比例，但结果很好。我会将其发布在我的问题中，以便您查看。