首先，明確一下本文的需求。

現(xiàn)有一個.csv格式的表格文件，其各列數(shù)據(jù)的開頭部分如下圖所示。其中，對于名稱為26的這1列（左側紫色框內(nèi)數(shù)據(jù)），我們希望提取其數(shù)值等于1的所有行，并對這些行中的NIR_predict列與NIR_true列（右側紫色框內(nèi)數(shù)據(jù)）的數(shù)值加以密度散點圖的繪制。

明確了需求，即可開始代碼的撰寫。本文所用代碼如下。

# -*- coding: utf-8 -*-
"""
Created on Mon Apr  1 12:14:38 2024

@author: fkxxgis
"""

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy.stats import gaussian_kde

csv_file_path = r"E:\04_Reconstruction\99_MODIS\Train_Model_0715_Main_Combine.csv"
picture_file_path = r"E:\04_Reconstruction\99_MODIS\Scatter_result.png"

data = pd.read_csv(csv_file_path)

x = data[data["26"] == 1]['NIR_true']
y = data[data["26"] == 1]['NIR_predict']

xy = np.vstack([x,y])
z = gaussian_kde(xy)(xy)
idx = z.argsort()
plt.scatter(x, y, c = z, s = 10, cmap = "Spectral")
plt.colorbar()

plt.rc("font", family = "Times New Roman")
x_line = np.linspace(min(min(x), min(y)), max(max(x), max(y)), 100)
plt.plot(x_line, x_line, color='black', linestyle='--')
plt.xlabel('NIR_true')
plt.ylabel('NIR_predict')
plt.savefig(picture_file_path, dpi = 400)
plt.show()

首先，我們通過import語句導入所需模塊。其中，numpy用于數(shù)值計算，pandas用于數(shù)據(jù)處理，matplotlib.pyplot用于繪圖，scipy.stats.gaussian_kde用于計算核密度估計。

其次，通過csv_file_path定義待繪圖的.csv格式文件的路徑，通過picture_file_path定義存儲所得圖片結果的路徑。

隨后，使用pd.read_csv()從.csv格式文件中讀取數(shù)據(jù)，并存儲在名為data的DataFrame中。通過篩選條件data["26"] == 1從DataFrame中獲取符合指定條件的數(shù)據(jù)，并分別存儲在x和y中。

接下來，使用np.vstack()將x和y垂直堆疊為一個二維數(shù)組xy，并使用scipy.stats.gaussian_kde()計算二維數(shù)據(jù)的核密度估計值，并將其存儲在z中；使用z.argsort()對z進行排序，返回索引值，并將其存儲在idx中。使用plt.scatter()繪制散點圖，其中x和y是散點的橫縱坐標，c是顏色值，s是散點的大小，cmap是顏色映射，并使用plt.colorbar()添加顏色條。

緊接著，使用plt.rc()設置字體為Times New Roman；隨后，生成一條直線的橫坐標范圍，使用np.linspace()生成一系列橫坐標值，并存儲在x_line中；這些點將組成后續(xù)所得散點圖中的x = y線；使用plt.plot()繪制直線，顏色為黑色，線型為虛線。此外，使用plt.xlabel()和plt.ylabel()添加x軸和y軸的標簽，使用plt.savefig()將圖形保存為指定路徑的圖片文件，設置dpi值為400。最后，使用plt.show()顯示圖形。

執(zhí)行上述代碼，即可在結果文件夾中看到所得圖片；如下圖所示。

可以看到，我們已經(jīng)繪制得到了指定數(shù)據(jù)之間的密度散點圖。當然，我這里所選色帶，將密度較低的區(qū)域標記為紅色系，密度較高的區(qū)域標記為了藍色系，可能和一般情況下大家常用的色系相反——我是一開始選錯了，后面也沒有修改，這里大家理解即可；如果需要修改這個色系，大家修改上述代碼中的cmap = "Spectral"部分即可。

至此，大功告成。

以上就是Python繪制可以表示點密度的散點圖得方法的詳細內(nèi)容，更多關于Python繪制散點圖的資料請關注腳本之家其它相關文章！