Python中实现不同规模数据集等值线图同层级对比的方法

你现在遇到的等值线无法对齐的本质原因有三个：

• seaborn kdeplot 内部默认对每个调用的数据集做独立归一化：等值线层级是按单个数据集的密度最大值的百分比划分的，不管实际绝对密度值是多少，小样本数据集会把自己的最高密度设为100%刻度，和大样本的刻度完全不对齐
• 两次调用kdeplot时各自独立计算平滑带宽：两个数据集样本量不同，按Scott规则算出的带宽存在明显差异，平滑尺度不统一，进一步拉大了密度分布计算结果的偏差
• 两次独立开启色条时，每个色条只映射对应数据集的密度范围，最终两个色条的数值区间没有可比性

要实现完全同标准的对比，不能依赖kdeplot的便捷封装，需要手动统一KDE计算、密度投影、层级划分的全流程参数，核心逻辑是让两个数据集的所有计算尺度完全对齐：

1. 固定统一的计算基准
   • 提前锁定绘图的坐标范围、网格分辨率，避免两个数据集在不同的空间范围计算KDE导致偏差
   • 联合两个数据集的坐标计算统一的平滑带宽，保证两个KDE使用完全相同的平滑尺度，从根源上消除样本量不同带来的带宽差异
2. 计算绝对密度值
   • 把两个数据集的KDE分别投影到同一个空间网格上，得到和网格形状完全对应的绝对概率密度值——这类值本身和样本量无关，只要点的空间分布一致，算出的密度值就完全相等，自然消除了样本量大小的干扰
3. 生成全局统一的等值线层级
   • 取两个密度网格的全局最大值，从0到这个最大值之间均匀切分固定数量的层级，两个数据集完全使用这一套层级来绘制等值线，只要到达同一个密度值，就会落在同一个等值线位置上
4. 使用Matplotlib原生Contour接口绘图
   • 跳过seaborn的内部归一化逻辑，直接把算好的网格、密度值、统一层级传入contour或contourf函数绘图，色标直接绑定全局密度范围，不会出现多个独立色条的问题

调整平滑参数时必须保证两个数据集用完全一致的参数，不能单独调整某一个：

• 带宽基准选择：优先用大样本数据集计算出的带宽作为统一值——大样本的带宽估计更稳定，不容易被离群点、样本量少带来的统计偏差影响
• 微调规则：
  • 如果等值线碎裂、小噪点多，就把带宽适当放大1.2~1.5倍提升平滑度
  • 如果等值线过度糊化、把核心高密度区的结构抹平，就把带宽适当缩小0.8~1.0倍提升细节度
• 注意：哪怕小样本画出的等值线看着不如大样本平滑，也不要单独给小样本调大带宽，否则两个图的平滑尺度不统一，带来的形状差异会远大于样本本身的密度分布差异

from scipy.stats import gaussian_kde

# 固定统一的网格范围（和原代码的xlim/ylim保持一致）
x_range = np.linspace(349.5, 354.3, 500)
y_range = np.linspace(-2, 1.5, 500)
X_mesh, Y_mesh = np.meshgrid(x_range, y_range)

# 联合计算统一的KDE带宽，消除样本量差异带来的平滑参数偏差
joint_coords = np.vstack([
    np.concatenate([X1, X2]),
    np.concatenate([Y1, Y2])
])
joint_kde = gaussian_kde(joint_coords)
# 两个数据集使用完全相同的平滑带宽
kde_data1 = gaussian_kde(np.vstack([X1, Y1]), bw_method=joint_kde.factor)
kde_data2 = gaussian_kde(np.vstack([X2, Y2]), bw_method=joint_kde.factor)

# 将两个数据集的KDE投影到统一网格，得到绝对密度值
Z_data1 = kde_data1(np.vstack([X_mesh.ravel(), Y_mesh.ravel()])).reshape(X_mesh.shape)
Z_data2 = kde_data2(np.vstack([X_mesh.ravel(), Y_mesh.ravel()])).reshape(X_mesh.shape)

# 生成全局统一的等值线层级（从最高密度的10%到100%，过滤外围低密度线）
global_density_max = max(Z_data1.max(), Z_data2.max())
uniform_levels = np.linspace(global_density_max*0.1, global_density_max, 8)

# 绘图
fig = plt.figure(figsize=(12,10))
ax = fig.add_subplot(111)
# 绘制两个数据集的等值线
cont_data2 = ax.contour(X_mesh, Y_mesh, Z_data2, levels=uniform_levels, cmap='Reds', linewidths=1.5)
cont_data1 = ax.contour(X_mesh, Y_mesh, Z_data1, levels=uniform_levels, cmap='Blues', linewidths=1.5)
# 统一绑定全局密度范围的色标
fig.colorbar(cont_data2, ax=ax, label='Probability Density')
# 保留原有的散点标记，适当降低透明度避免遮挡等值线
ax.scatter(X2, Y2, s=0.8, color='Red', alpha=0.3)
ax.scatter(X1, Y1, s=0.8, color='blue', alpha=0.3)
# 保持原有的坐标设置
ax.set_xlabel('RA')
ax.set_ylabel('DEC')
ax.set_xlim(349.5, 354.3)
ax.set_ylim(-2, 1.5)

• seaborn kdeplot的levels参数是基于单个数据集的密度百分比计算的相对值，不是绝对密度值，哪怕两个图传入完全相同的levels数值，也无法实现统一刻度对比
• 使用Plotly绘制KDE等值线时遇到的层级不统一问题，本质和seaborn的逻辑一致：默认按单个trace的密度范围自动调整层级，解决时只需手动计算两个数据集的绝对密度值，设置全局统一的等值线范围即可
• 不要给两个数据集分别开独立的色条，独立色条的范围是各自数据集的密度极值，无法横向对比
• 网格分辨率不用盲目设置太高，500x500的网格已经足够满足天文坐标的绘图精度，过高的网格只会增加计算量，不会提升可视化效果

内容的提问来源于stack exchange，提问作者John Singh