Genera una mappa di calore in matplotlib utilizzando un set di dati a dispersione

Question

La mia domanda è quasi esattamente simile a Questo. Tuttavia, Non sono soddisfatto delle risposte, perché voglio generare una mappa di calore reale, senza binnare esplicitamente i dati.

Per essere precisi, vorrei visualizzare la funzione che è il risultato di una convoluzione tra i dati di dispersione e un kernel personalizzato, come 1/x^2.

Come dovrei implementarlo con matplotlib?

MODIFICARE: Fondamentalmente, quello che ho fatto è questo. Il risultato è qui. Vorrei mantenere tutto, l'asse, il titolo, le etichette e così via. Fondamentalmente cambia la trama per essere come ho descritto, pur reimplementando il meno possibile.

Answer 1

Converti i dati delle serie temporali in un formato numerico con matplotlib.dats.date2num. Posare una griglia rettangolare che si estende per le gamme X e Y e fai la tua convoluzione su quella trama. Crea un diagramma pseudo-colorato della tua convoluzione e quindi riformatta le etichette X per essere date.

La formattazione dell'etichetta è un po 'disordinata, ma ragionevolmente bene documentato. È solo necessario sostituire l'autodadaformati con dataformatter e una stringa di formattazione appropriata.

Dovrai modificare le costanti nella convoluzione per i tuoi dati.

import numpy as np
import datetime as dt
import pylab as plt
import matplotlib.dates as dates

t0 = dt.date.today()
t1 = t0+dt.timedelta(days=10)

times = np.linspace(dates.date2num(t0), dates.date2num(t1), 10)
dt = times[-1]-times[0]
price =  100 - (times-times.mean())**2
dp = price.max() - price.min()
volume = np.linspace(1, 100, 10)

tgrid = np.linspace(times.min(), times.max(), 100)
pgrid = np.linspace(70, 110, 100)
tgrid, pgrid = np.meshgrid(tgrid, pgrid)
heat = np.zeros_like(tgrid)

for t,p,v in zip(times, price, volume):
    delt = (t-tgrid)**2
    delp = (p-pgrid)**2
    heat += v/( delt + delp*1.e-2 + 5.e-1 )**2

fig = plt.figure()
ax = fig.add_subplot(111)
ax.pcolormesh(tgrid, pgrid, heat, cmap='gist_heat_r')

plt.scatter(times, price, volume, marker='x')

locator = dates.DayLocator()
ax.xaxis.set_major_locator(locator)
ax.xaxis.set_major_formatter(dates.AutoDateFormatter(locator))
fig.autofmt_xdate()

plt.show()