《Python数据可视化编程实战》——5.3 创建3D直方图

本节书摘来自异步社区《python数据可视化编程实战》一书中的第5章，第5.3节，作者[爱尔兰]igor milovanović ，颛青山 译，更多章节内容可以访问云栖社区“异步社区”公众号查看。

像3d柱状图一样，我们可能想创建3d直方图。3d直方图可以用来很容易地识别3个独立变量之间的相关性。可以用它们来从图像中提取信息，其中第三个维度可以是所分析的图像的（x, y）空间通道的强度。

本节将学习如何创建3d直方图。

回顾一下，直方图表示的是一些值在特定列（通常叫做“bin”）中的发生率。那么，三维直方图表示的是在一个网格中的发生率。网格是矩形的，表示的是在两列中关于两个变量的发生率。

在这个计算过程中，我们将进行如下操作。

1．使用numpy，因为其拥有计算两个变量的直方图的函数。

2．用正态分布函数生成x和y，但是给它们提供不同的参数，以便能区分结果直方图的相互关系。

3．用相同的数据集合绘制散点图，展示散点图和3d直方图显示上的差异。

下面是实现上述步骤的代码。

上述代码生成如图5-3所示的图形。

我们用np.histogram2d生成了一个直方图，该方法返回了直方图（hist）、x bin边界和y bin边界。

bar3d函数需要x, y空间的坐标，因此需要计算出一般的矩阵坐标，对此我们使用np.meshgrid函数把x和y位置的向量合并到2d空间网格中（矩阵）。我们可以使用它在xy平面位置上绘制矩形条。

变量dx和dy表示每一个矩形条底部的宽度，我们想把它设置为常数，因此我们为xy平面的每一个位置给定的值为0.1 个点的宽度。

z轴上的值（dz）实际上是计算机直方图（在变量hist中），它表示在一个特定的bin中一般的x和y样本的个数。

接下来在散点图（图5-3）中显示了一个2d坐标轴，也呈现了两组相似但起始参数不同的分布间的相互关系。

有时候，3d给予我们更多的信息，并以一个更好的方式让我们来理解数据所包含的内容。然而在更多情况下，3d可视化比2d更加让人感到迷惑，所以在舍弃2d选择3d之前最好慎重考虑。