Matplotlib大数据集密度散点图绘制：KDE转2D直方图的适配问题

嘿，我完全理解你遇到的这个痛点——用传统Gaussian KDE处理10万+规模的数据集时，慢到跑几天都出不来结果太正常了，毕竟KDE要对每一对样本计算核函数相似度，时间复杂度是O(n²)，数据量上去后根本扛不住。而你朋友的R代码能秒级完成，大概率是用了分箱式的密度估计（类似2D直方图加平滑）或者底层做了向量化/并行优化，避开了全样本的核计算。

下面给你几个在Matplotlib里快速实现正确密度效果的方案，亲测10万级数据都能秒出图：

这是最直接替代KDE的方案，关键是要设置density=True让颜色映射对应单位面积的密度，而不是单纯的计数。调整分箱数量还能平衡平滑度和细节：

import matplotlib.pyplot as plt
import numpy as np

# 模拟10万条数据（替换成你的真实数据）
np.random.seed(42)
x = np.random.normal(size=100000)
y = np.random.normal(size=100000)

fig, ax = plt.subplots(figsize=(8,6))
# density=True 让颜色表示密度，bins控制分箱粗细，也可以用'bins="auto"'自动调整
counts, xedges, yedges, im = ax.hist2d(x, y, bins=100, density=True, cmap='viridis')

# 加颜色条标注密度
cbar = plt.colorbar(im)
cbar.set_label('Density')

ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')
plt.title('2D直方图密度图（10万样本）')
plt.show()

如果觉得矩形分箱太生硬，六边形分箱的视觉效果更流畅，同样支持密度归一化：

fig, ax = plt.subplots(figsize=(8,6))
# gridsize控制六边形大小，数值越大分箱越细
hb = ax.hexbin(x, y, gridsize=100, density=True, cmap='viridis')

cbar = plt.colorbar(hb)
cbar.set_label('Density')

ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')
plt.title('六边形分箱密度图（10万样本）')
plt.show()

如果你一定要用KDE的平滑质感，可以改用sklearn的KernelDensity，它用树结构加速核计算，复杂度降到O(n log n)，10万数据也能快速出图：

from sklearn.neighbors import KernelDensity
import matplotlib.pyplot as plt
import numpy as np

# 整理数据格式
X = np.vstack([x, y]).T

# 初始化KDE模型，用交叉验证自动选最优带宽（也可以手动设数值比如0.5）
kde = KernelDensity(bandwidth='cv', kernel='gaussian')
kde.fit(X)

# 生成绘图网格
xmin, xmax = x.min(), x.max()
ymin, ymax = y.min(), y.max()
xx, yy = np.mgrid[xmin:xmax:100j, ymin:ymax:100j]
grid = np.vstack([xx.ravel(), yy.ravel()]).T

# 计算密度值
log_density = kde.score_samples(grid)
density = np.exp(log_density).reshape(xx.shape)

# 绘图
fig, ax = plt.subplots(figsize=(8,6))
im = ax.imshow(density.T, origin='lower', extent=[xmin, xmax, ymin, ymax], cmap='viridis')
cbar = plt.colorbar(im)
cbar.set_label('Density')

ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')
plt.title('优化版KDE密度图（10万样本）')
plt.show()

大概率是没加density=True参数——默认hist2d是按每个箱子里的样本数着色，而不是单位面积的密度。另外分箱数量也很关键：分箱太少会太粗糙，太多会出现噪声，建议先用bins="auto"自动适配，再根据效果调整。

内容的提问来源于stack exchange，提问作者Mike D