如何在Matplotlib中通过分箱获取数据分布并绘制热力图？

需求说明 #

你有一个二维数组data1，其中：

• 列：对应不同的相关常数correls
• 行：对应每个相关常数的试验次数repeats
• 数组值为0-1的小数，需要为每个相关常数统计20-30个分箱的分布，并以热力图形式展示（已用直方图实现，需转换为热力图）

解决方案步骤 #

核心思路是先计算每个相关常数对应数据的分箱分布，得到一个分箱×相关常数的二维数组，再用这个数组绘制热力图。

1. 计算分箱分布数据

使用numpy.histogram对每一列数据统计分箱频次，可选择归一化（转为频率）让分布更具可比性：

import numpy as np

# 假设已定义correls、repeats，且data1已填充试验数据
num_bins = 30  # 设置分箱数量
bins = np.linspace(0, 1, num_bins + 1)  # 生成0到1的分箱边界

# 初始化分布数组：行=分箱，列=相关常数
dist_data = np.zeros((num_bins, len(correls)))

# 遍历每个相关常数对应的列，计算分布
for col_idx in range(len(correls)):
    # 获取当前列的所有试验数据
    column_data = data1[:, col_idx]
    # 统计分箱频次
    bin_counts, _ = np.histogram(column_data, bins=bins)
    # 归一化为频率（频次/总试验次数），也可以直接用bin_counts
    dist_data[:, col_idx] = bin_counts / len(repeats)

2. 绘制分布热力图

用seaborn.heatmap或matplotlib.imshow绘制，以下是seaborn的示例：

import seaborn as sns
import matplotlib.pyplot as plt

plt.figure(figsize=(12, 7))
# 绘制热力图
sns.heatmap(
    dist_data,
    xticklabels=correls,  # X轴标签为相关常数
    # Y轴标签为分箱区间，保留两位小数
    yticklabels=[f"{bins[i]:.2f}~{bins[i+1]:.2f}" for i in range(num_bins)],
    cmap="YlGnBu",  # 选择合适的配色
    cbar=True,
    cbar_kws={"label": "归一化频率"},  # 色条标签
    annot=False  # 不需要单元格标注则设为False，需要则改为True
)

# 调整图表样式
plt.xlabel("相关常数")
plt.ylabel("数据分箱区间")
plt.title("各相关常数对应试验数据的分布热力图")
plt.yticks(rotation=0)  # 让Y轴标签水平显示，提升可读性
plt.tight_layout()
plt.show()

关键说明 #

• dist_data是热力图的核心输入，每一列对应一个相关常数的分箱分布，行对应分箱区间
• 归一化步骤可根据需求选择：若试验次数相同，直接用频次bin_counts也能反映分布差异；归一化后更适合跨相关常数的分布对比
• 热力图的颜色深浅直观展示了每个分箱内数据的占比（或数量），每一列就是该相关常数的完整分布特征

内容的提问来源于stack exchange，提问作者soapeater