python - 气泡图加权二维散点图数据到网格/网格

Question

背景

我有一组二维的“原始”数据点，以数组的形式，即:

[[0, 0, 1, 0, 0],
 [0, 1, 2, 1, 0],
 [1, 2, 4, 2, 1],
 [0, 1, 2, 1, 0],
 [0, 0, 1, 0, 0]]

数据表示二维空间中的圆形“质量分布”图。 x-y坐标表示数据点的x-y分布，每个x-y坐标处的值就是该数据点测得的质量/强度。

我想绘制此数据，仅使用 Python， ( only at the integral x-y intersections )，如下图所示，但使用我自己的 x-y 散点图数据，而不是绘制二维线/函数.

此外，我想合并 "specify dot size" logic from another SO question ，这允许我在“每个样本/值”的基础上指定点大小，即:

---

问题

我如何结合上面的逻辑来呈现这样的数据集:

[[0, 0, 1, 0, 0],
 [0, 1, 2, 1, 0],
 [1, 2, 4, 2, 1],
 [0, 1, 2, 1, 0],
 [0, 0, 1, 0, 0]]

就像这样，通过 matplotlib/pyplot(离散域、离散范围、连续值):

---

额外

How can I re-use the above data set to generate a heatmap of the same data (i.e. continuous-domain, continuous-range, continuous valued)?

或者，更像这样:

Answer 1

您可以先创建一个定义 x 和 y 坐标的 meshgrid，然后使用 data 数组定义点的大小。 0 的条目将不会显示，因为大小为 0。我使用 100 的重新缩放因子来放大点。

完整的工作代码:

---

import numpy as np
import matplotlib.pyplot as plt

data = np.array([[0, 0, 1, 0, 0],
 [0, 1, 2, 1, 0],
 [1, 2, 4, 2, 1],
 [0, 1, 2, 1, 0],
 [0, 0, 1, 0, 0]])

mesh = np.arange(len(data))
x, y = np.meshgrid(mesh, mesh)
plt.scatter(x, y, s=data*100)
plt.xticks(range(len(data))) # To put ticks at integer values
plt.yticks(range(len(data))) # To put ticks at integer values
plt.show()

生成热图

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

# data here

x, y = np.meshgrid(np.arange(len(data)), np.arange(len(data)))
plt.scatter(x, y, s=data*100, c=data, cmap=cm.Oranges)
plt.xticks(range(len(data)))
plt.yticks(range(len(data)))