如何优化散点式热力图，提升显著值可视性？

你的问题根源在于X和Y是连续变量，直接使用pivot_table会因X/Y取值不规整生成大量缺失值（转0后表现为图中空白区域），而imshow仅能展示规整网格数据，最终呈现散点状效果。预期的热力图需要对连续数据做网格化分箱统计或插值处理，以下是几种可行方案：

方案1：分箱统计（保留Z值的统计特征） #

将X/Y划分为固定数量的网格，计算每个网格内Z值的均值（或求和、中位数），再用imshow绘制：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

data = pd.read_csv('L0.csv')
X = data.X
Y = data.Y
Z = data.Z

# 调整分箱数量控制热力图精细度
xbins = 100
ybins = 80

# 计算每个分箱的Z均值，同时统计分箱内的数据点数量
heatmap, xedges, yedges = np.histogram2d(X, Y, bins=(xbins, ybins), weights=Z)
counts, _, _ = np.histogram2d(X, Y, bins=(xbins, ybins))

# 避免除以0，无数据区域设为NaN后转0
heatmap = np.divide(heatmap, counts, where=counts != 0)
heatmap = np.nan_to_num(heatmap)

plt.grid(False)
plt.imshow(heatmap.T, extent=[xedges[0], xedges[-1], yedges[0], yedges[-1]],
           origin='lower', cmap=plt.cm.jet, aspect='auto')
plt.colorbar()  # 添加色条增强可读性
plt.show()

方案2：插值生成规整网格（实现平滑热力图） #

使用scipy.interpolate.griddata将离散的X/Y/Z插值到规整网格，得到平滑的热力图：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import griddata

data = pd.read_csv('L0.csv')
X = data.X
Y = data.Y
Z = data.Z

# 创建规整网格，调整数值控制精细度
xi = np.linspace(X.min(), X.max(), 200)
yi = np.linspace(Y.min(), Y.max(), 150)
xi, yi = np.meshgrid(xi, yi)

# 插值方法：linear（线性）/cubic（立方，更平滑）/nearest（最近邻）
zi = griddata((X, Y), Z, (xi, yi), method='cubic')
zi = np.nan_to_num(zi)

plt.grid(False)
plt.imshow(zi, extent=[X.min(), X.max(), Y.min(), Y.max()],
           origin='lower', cmap=plt.cm.jet, aspect='auto')
plt.colorbar()
plt.show()

方案3：hexbin快速绘制六边形热力图 #

无需手动处理网格，plt.hexbin直接对连续数据生成六边形分箱的热力图，效果接近预期：

import pandas as pd
import matplotlib.pyplot as plt

data = pd.read_csv('L0.csv')
X = data.X
Y = data.Y
Z = data.Z

plt.grid(False)
# gridsize控制六边形大小，reduce_C_function指定分箱内Z值的统计方式
hb = plt.hexbin(X, Y, C=Z, gridsize=50, cmap=plt.cm.jet,
                extent=[0, 15, -5, 3], reduce_C_function=np.mean)
plt.colorbar(hb)
plt.show()

额外优化建议 #

• 调整分箱数/网格点数量，平衡热力图精细度与计算速度；
• 替换色图为viridis等更友好的配色（jet存在视觉失真问题）；
• 若Z值范围差异大，用plt.clim(Z.min(), Z.quantile(0.95))设置色条上下限，过滤极端值干扰，突出显著区域。

内容的提问来源于stack exchange，提问作者Zolic