python绘制密度散点图（Density Scatter Plot）的代码

### Python绘制密度散点图的代码示例在Python中，可以使用`matplotlib`和`numpy`库来绘制密度散点图。密度散点图通过颜色或大小表示数据点的密度，从而更清晰地展示数据分布情况。以下是一个完整的代码示例[^4]： ```python import numpy as np import matplotlib.pyplot as plt # 生成随机数据 np.random.seed(0) x = np.random.randn(1000) y = np.random.randn(1000) # 计算每个点的密度 xy = np.vstack([x, y]) z = gaussian_kde(xy)(xy) # 绘制散点图，并根据密度设置颜色 fig, ax = plt.subplots() sc = ax.scatter(x, y, c=z, s=10, edgecolor='') # 添加颜色条以显示密度值 plt.colorbar(sc, label='Density') # 设置图表标题和坐标轴标签 plt.title('Density Scatter Plot') plt.xlabel('X-axis') plt.ylabel('Y-axis') # 显示图形 plt.show() ``` 在这个代码示例中，使用了`gaussian_kde`函数（来自`scipy.stats`模块）计算每个点的密度[^5]。然后，将密度值作为颜色参数传递给`scatter`函数，以生成基于密度的颜色渐变效果。 #### 注意事项 - 需要确保安装了`scipy`库，因为`gaussian_kde`函数位于该库中。 - 如果数据量较大，建议调整散点图的透明度（`alpha`参数），以便更好地观察重叠区域[^6]。 ### 示例扩展如果需要进一步增强可视化效果，可以结合`hexbin`函数绘制六边形密度图，代码如下[^7]： ```python plt.hexbin(x, y, gridsize=50, cmap='BuGn') plt.colorbar(label='Count in bin') plt.title('Hexbin Density Plot') plt.xlabel('X-axis') plt.ylabel('Y-axis') plt.show() ``` #### 相关库说明 `hexbin`函数自动计算并显示数据点的密度分布，适用于大规模数据集。与散点图相比，它能更高效地处理大量数据点[^8]。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

下一篇 python matplotlib set_xlabel latex语法详解