如何用非均匀间隔的X、Y数据生成1D热力图？

针对非均匀间隔数据无法在常规热力图中突出高频区域的问题，以下几种方法可以实现符合需求的热力图，同时保留折线图的线性分布特征：

方法1：核密度估计(KDE)生成热力图 #

KDE会根据数据点的分布密度生成连续的热力效果，自动让高频区域呈现暖色，完美适配非均匀数据。用scipy.stats.gaussian_kde配合Matplotlib即可实现：

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import gaussian_kde

# 模拟非均匀间隔的X、Y数据（替换成你的真实数据）
np.random.seed(42)
x = np.concatenate([np.random.normal(0, 0.5, 500), np.random.normal(3, 0.2, 1000)])
y = np.concatenate([np.random.normal(0, 0.5, 500), np.random.normal(2, 0.2, 1000)])

# 计算核密度估计
xy = np.vstack([x, y])
kde = gaussian_kde(xy)

# 创建均匀网格用于绘制
xi, yi = np.mgrid[x.min():x.max():100j, y.min():y.max():100j]
zi = kde(np.vstack([xi.flatten(), yi.flatten()]))

# 绘制热力图
plt.figure(figsize=(8,6))
plt.imshow(zi.reshape(xi.shape), extent=[x.min(), x.max(), y.min(), y.max()], origin='lower', cmap='viridis')
plt.scatter(x, y, s=5, c='white', alpha=0.3)  # 叠加原始数据点做参考
plt.colorbar(label='数据密度')
plt.xlabel('X')
plt.ylabel('Y')
plt.title('KDE生成的非均匀数据热力图')
plt.show()

方法2：插值到均匀网格（保留折线分布） #

如果需要严格保留折线图的线性函数关系，可以先把非均匀数据插值到均匀网格，再基于插值结果绘制热力图。用scipy.interpolate.griddata实现：

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import griddata
from scipy.ndimage import gaussian_filter

# 模拟折线图式的非均匀数据（Y随X线性变化+噪声）
x = np.random.uniform(0, 10, 800)
x = np.sort(x)
y = 2*x + np.random.normal(0, 1, 800) + 5*np.sin(x/2)

# 创建均匀网格
xi = np.linspace(x.min(), x.max(), 200)
yi = np.linspace(y.min(), y.max(), 200)
xi, yi = np.meshgrid(xi, yi)

# 计算数据点密度并插值到网格
H, xedges, yedges = np.histogram2d(x, y, bins=50)
H = gaussian_filter(H, sigma=2)  # 平滑处理
zi = griddata(
    (xedges[:-1]+xedges[1:])/2, 
    (yedges[:-1]+yedges[1:])/2, 
    H.T, 
    (xi, yi), 
    method='cubic'
)

# 绘制热力图+叠加原始折线
plt.figure(figsize=(8,6))
plt.contourf(xi, yi, zi, cmap='viridis', levels=20)
plt.plot(x, y, 'r-', linewidth=1, alpha=0.5)
plt.colorbar(label='数据密度')
plt.xlabel('X')
plt.ylabel('Y')
plt.title('保留折线分布的插值热力图')
plt.show()

方法3：Hexbin六边形分箱热力图 #

Matplotlib自带的hexbin会自动把数据分到六边形格子里，统计每个格子的点数，轻量化且直观，能自然突出高频区域：

import numpy as np
import matplotlib.pyplot as plt

# 模拟非均匀XY数据
x = np.concatenate([np.random.normal(2, 0.3, 600), np.random.normal(7, 0.5, 1200)])
y = 1.5*x + np.random.normal(0, 1, 1800)

# 绘制hexbin热力图
plt.figure(figsize=(8,6))
hb = plt.hexbin(x, y, gridsize=30, cmap='viridis', mincnt=1)
plt.plot(x, y, 'k.', markersize=2, alpha=0.2)
plt.colorbar(hb, label='每个六边形内的点数')
plt.xlabel('X')
plt.ylabel('Y')
plt.title('Hexbin分箱热力图')
plt.show()

选择建议 #

• 若要突出数据密度分布，优先用KDE方法；
• 若要严格保留折线图的函数关系，选插值到均匀网格的方案；
• 追求计算速度和轻量化展示，直接用Hexbin分箱。

内容的提问来源于stack exchange，提问作者lynn233