Я вижу два возможных способа сделать это.
Способ 1
Первый — вызвать hexbin, чтобы получить максимальное значение, а затем выполнить еще один вызов hexbin, используя параметр ввода reduce_C_function для масштабирования ваших данных. Проблема с выполнением нормализации заключается в том, что вы не знаете, сколько точек находится в каждом бине, пока не будет создан шестнадцатеричный бин. Работая с данными в примере, на который вы ссылаетесь (но только создавая график линейного масштаба), это будет примерно так:
plt.subplot(111)
hb = plt.hexbin(x,y, cmap=plt.cm.YlOrRd_r)
plt.cla()
plt.hexbin(x, y,
C=np.ones_like(y, dtype=np.float) / hb.get_array().max(),
cmap=plt.cm.YlOrRd_r,
reduce_C_function=np.sum)
plt.axis([xmin, xmax, ymin, ymax])
cb = plt.colorbar()
Во втором вызове hexbin вы должны указать массив C, чтобы использовать опцию reduce_C_function. В этом случае C=np.ones_like(y) / hb.get_array().max() — это все, что вам нужно, потому что вы просто суммируете значения.
Обратите внимание, что, вероятно, имеет смысл очищать оси после первого вызова hexbin.
Одна проблема с этим подходом заключается в том, что у вас будут пустые ячейки (пробелы), где нет точек. Если вы хотите, чтобы фон был того же цвета, что и нулевое значение, вы можете добавить plt.gca().set_axis_bgcolor(plt.cm.YlOrRd_r(0)).
Способ 2
Другой подход состоит в том, чтобы просто использовать автоматическое масштабирование, присущее hexbin, и просто переименовать цветовую полосу. Например:
plt.subplot(111)
hb = plt.hexbin(x,y, cmap=plt.cm.YlOrRd_r)
plt.axis([xmin, xmax, ymin, ymax])
cb = plt.colorbar()
cb.set_ticks(np.linspace(hb.get_array().min(), hb.get_array().max(), 6))
cb.set_ticklabels(np.linspace(0, 1., 6))
Обратите внимание, что нужно использовать установщик меток цветовой полосы в единицах счета, но тогда вы устанавливаете метки в нужном диапазоне. Лично я предпочитаю этот второй метод только потому, что он немного чище, но я могу представить случаи, когда первый более полезен.
person
farenorth
schedule
31.03.2015
