pandas.DataFrame.plot.hexbin

DataFrame.plot.hexbin(x, y, C=None, reduce_C_function=None, gridsize=None, **kwargs)

生成六边形分箱图。

生成 x 与 y 的六边形分箱图。如果 C 为 None (默认)，则这是在 (x[i], y[i]) 处的观测次数的直方图。

如果指定了 C，则指定在给定坐标 (x[i], y[i]) 处的值。这些值根据 reduce_C_function`（默认为 NumPy 的均值函数，见 :meth:`numpy.mean ）累加到每个六边形箱中，然后进行归约。（如果指定了 C，它也必须是与 x 和 y 长度相同的 1-D 序列，或者是一个列标签。）

Parameters:

xint 或 str

x 点的列标签或位置。

yint 或 str

y 点的列标签或位置。

Cint 或 str，可选

(x, y) 点值的列标签或位置。

reduce_C_function : callable，默认 np.meancallable, 默认

将箱中的所有值归约到单个数字的（例如 np.mean、np.max、np.sum、np.std）的单参数函数。

gridsizeint 或 (int, int) 的元组，默认 100

x 方向上的六边形数量。y 方向上的相应六边形数量的选择方式使得六边形大致呈规则形状。或者，gridsize 可以是一个包含两个元素的元组，分别指定 x 方向和 y 方向上的六边形数量。

**kwargs

附加关键字参数在 DataFrame.plot() 中有详细说明。

Returns:

matplotlib.AxesSubplot

绘制 hexbin 的 matplotlib Axes。

参见

DataFrame.plot

绘制 DataFrame 的图形。

matplotlib.pyplot.hexbin

使用 matplotlib 的六边形分箱图，matplotlib 是底层使用的函数。

Examples

以下示例使用来自正态分布的随机数据生成。

>>> n = 10000
>>> df = pd.DataFrame({'x': np.random.randn(n),
...                    'y': np.random.randn(n)})
>>> ax = df.plot.hexbin(x='x', y='y', gridsize=20)

下一个示例使用 C 和 np.sum 作为 reduce_C_function。请注意，’observations’ 的值范围从 1 到 5，但结果图显示的值超过 25。这是因为 reduce_C_function。

>>> n = 500
>>> df = pd.DataFrame({
...     'coord_x': np.random.uniform(-3, 3, size=n),
...     'coord_y': np.random.uniform(30, 50, size=n),
...     'observations': np.random.randint(1,5, size=n)
...     })
>>> ax = df.plot.hexbin(x='coord_x',
...                     y='coord_y',
...                     C='observations',
...                     reduce_C_function=np.sum,
...                     gridsize=10,
...                     cmap="viridis")