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 对 y 的六边形分箱图。如果 C 为 None（默认值），则这是对 (x[i], y[i]) 处观测值出现次数的直方图。

如果指定了 C，则指定给定坐标 (x[i], y[i]) 的值。这些值会累积到每个六边形箱中，然后根据 reduce_C_function 进行归约，默认为 NumPy 的均值函数（numpy.mean()）。（如果指定了 C，它也必须是一个与 x 和 y 长度相同的 1-D 序列，或者是一个列标签。）

参数:

xint or str

x 点的列标签或位置。

yint or str

y 点的列标签或位置。

Cint or str, optional

(x, y) 点的列标签或位置。

reduce_C_functioncallable, default np.mean

一个参数的可调用函数，它将 bin 中的所有值归约到一个数字（例如 np.mean、np.max、np.sum、np.std）。

gridsizeint or tuple of (int, int), default 100

x 方向上的六边形数量。y 方向上的相应六边形数量被选择，使得六边形近似为规则的。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

其他关键字参数记录在 DataFrame.plot() 中。

返回:

matplotlib.Axes

绘制六边形图的 matplotlib Axes。

另请参阅

DataFrame.plot

绘制 DataFrame 的图。

matplotlib.pyplot.hexbin

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

示例

以下示例是使用正态分布的随机数据生成的。

>>> 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)

下一个示例使用了 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 的作用。

>>> 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",
... )