如何标准化 python 中的二维直方图？

Question

我正在尝试绘制二维直方图。直方图基本上是一个星系，我有每个发光点的点。我绘制了直方图，但它没有正确标准化，因为颜色栏的值应该从 0 到 1。我该如何解决这个问题？

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

fig, axes = plt.subplots(ncols=2, nrows=1, figsize=(20, 8))

data1 = pd.read_csv('mydata.txt', sep='\s+', header=None)

az1 = data1[0]
el1 = data1[1]

nbins = 250
hist1 = axes[0].hist2d(az1, el1, bins=nbins, cmap='magma', density=True)
 
fig.colorbar(hist1[3], ax = axes)

Answer 1

我尝试使用函数 hist2D，但我没有找到用它来规范化结果的方法。因此，我建议使用 numpy 模块中的直方图：np.nistogram2d，您可以在其中提取结果，然后在显示之前对输出进行归一化。这里有一个随机数的例子：

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

fig, axes = plt.subplots(ncols=2, nrows=1, figsize=(20, 8))

# data1 = pd.read_csv('mydata.txt', sep='\s+', header=None)
N=10000
az1 = np.random.random(N)
el1 = np.random.random(N)

nbins = 250
hist1 = axes[0].hist2d(az1, el1, bins=nbins, cmap='magma', density=True)
fig.colorbar(hist1[3], ax = axes)


H, xedges, yedges = np.histogram2d(el1, az1, bins=(nbins, nbins),density=True )
# H_normalized = H/float(az1.shape[0]) # the integral over the histogrm is 1
H_normalized = H/H.max((0,1)) # the max value of the histogrm is 1
extent = [xedges[0], xedges[-1], yedges[0], yedges[-1]]

im = axes[1].imshow(H_normalized, extent=extent, cmap='magma', interpolation='none',origin ='lower')
fig.colorbar(im, ax=axes[1])
plt.show()

如何标准化 python 中的二维直方图？

How to normalize a 2d histogram in python?

python

histogram