python - matplotlib:更改用seaborn.heatmap绘制的ndim直方图的轴刻度

Question

动机:

我正在尝试可视化许多 n 维向量的数据集(假设我有 10k 个向量，n=300 维)。我想做的是计算 n 个维度中每个维度的直方图，并将其绘制为 bins*n 热图中的单线。

到目前为止我已经得到了这个:

import numpy as np
import matplotlib
from matplotlib import pyplot as plt
%matplotlib inline
import seaborn as sns

# sample data:
vectors = np.random.randn(10000, 300) + np.random.randn(300)

def ndhist(vectors, bins=500):
    limits = (vectors.min(), vectors.max())
    hists = []
    dims = vectors.shape[1]
    for dim in range(dims):
        h, bins = np.histogram(vectors[:, dim], bins=bins, range=limits)
        hists.append(h)
    hists = np.array(hists)
    fig = plt.figure(figsize=(16, 9))
    sns.heatmap(hists)
    axes = fig.gca()
    axes.set(ylabel='dimensions', xlabel='values')
    print(dims)
    print(limits)

ndhist(vectors)

这会生成以下输出:

300
(-6.538069472429366, 6.52159540162285)

问题/疑问:

如何更改轴刻度？

• 对于 y 轴，我想简单地将其更改回 matplotlib 的默认值，因此它会选择像 0, 50, 100, ..., 250 这样的不错的刻度。 (299 或 300 可获得奖励积分)
• 对于 x 轴，我想将显示的 bin 索引转换为 bin(左)边界，然后，如上所述，我想将其更改回 matplotlib 的一些“nice”刻度的默认选择，例如-5, -2.5, 0, 2.5, 5 (还包括实际限制的奖励积分 -6.538, 6.522 )

自己的解决方案尝试:

我已经尝试过很多类似以下的事情:

def ndhist_axlabels(vectors, bins=500):
    limits = (vectors.min(), vectors.max())
    hists = []
    dims = vectors.shape[1]
    for dim in range(dims):
        h, bins = np.histogram(vectors[:, dim], bins=bins, range=limits)
        hists.append(h)
    hists = np.array(hists)
    fig = plt.figure(figsize=(16, 9))
    sns.heatmap(hists, yticklabels=False, xticklabels=False)
    axes = fig.gca()
    axes.set(ylabel='dimensions', xlabel='values')
    #plt.xticks(np.linspace(*limits, len(bins)), bins)
    plt.xticks(range(len(bins)), bins)
    axes.xaxis.set_major_locator(matplotlib.ticker.AutoLocator())
    plt.yticks(range(dims+1), range(dims+1))
    axes.yaxis.set_major_locator(matplotlib.ticker.AutoLocator())
    print(dims)
    print(limits)

ndhist_axlabels(vectors)

但是，正如您所看到的，轴标签非常错误。我的猜测是，范围或限制存储在原始轴中的某个位置，但在切换回 AutoLocator 时丢失了。 。非常感谢您朝正确的方向插入。

Answer 1

也许你想太多了。要绘制图像数据，可以使用 imshow 并免费获取刻度和格式。

import numpy as np
from matplotlib import pyplot as plt

# sample data:
vectors = np.random.randn(10000, 300) + np.random.randn(300)

def ndhist(vectors, bins=500):
    limits = (vectors.min(), vectors.max())
    hists = []
    dims = vectors.shape[1]

    for dim in range(dims):
        h, _ = np.histogram(vectors[:, dim], bins=bins, range=limits)
        hists.append(h)
    hists = np.array(hists)

    fig, ax = plt.subplots(figsize=(16, 9))

    extent = [limits[0], limits[-1], hists.shape[0]-0.5, -0.5]  
    im = ax.imshow(hists, extent=extent, aspect="auto")
    fig.colorbar(im)

    ax.set(ylabel='dimensions', xlabel='values')

ndhist(vectors)
plt.show()