pandas.DataFrame.plot.hexbin#

DataFrame.plot.hexbin(x, y, C=None, reduce_C_function=None, gridsize=None, **kwargs)[源代码]#

生成一个六角形的装箱图。

生成一个六角形的装箱图 x 与 y 。如果 C 是 None (默认)，这是观测出现次数的直方图 (x[i], y[i]) 。

如果 C ，则指定给定坐标上的值。 (x[i], y[i]) 。为每个六角形面元累加这些值，然后根据 reduce_C_function ，默认具有NumPy的Mean函数 (numpy.mean() )。(如果 C ，则它还必须是长度与 x 和 y ，或列标签。)

参数

x整型或字符串: X点的列标签或位置。
y整型或字符串: Y点的列标签或位置。
Cint或str，可选: 的值的列标签或位置 (x, y) 指向。
reduce_C_function ：可调用，默认 np.mean可调用，默认: 一个参数的函数，它将bin中的所有值减少到单个数字(例如 np.mean ， np.max ， np.sum ， np.std )。
gridsizeInt或tuple of(int，int)，默认为100: X方向上的六边形的数量。Y方向上相应数量的六边形是以六边形近似为规则的方式选择的。或者，GRIDSIZE可以是具有两个元素的元组，用于指定x方向和y方向上的六边形的数量。
**kwargs: 中记录了其他关键字参数 DataFrame.plot() 。

退货

matplotlib.AxesSubplot: Matplotlib Axes 在其上绘制了六角箱。

参见

DataFrame.plot: 对DataFrame进行打印。
matplotlib.pyplot.hexbin: 使用matplotlib的六角形装箱图，即在引擎盖下使用的matplotlib函数。

示例

以下示例是使用正态分布中的随机数据生成的。

>>> 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)

../../_images/pandas-DataFrame-plot-hexbin-1.png

下一个示例使用 C 和 np.sum 作为 reduce_C_function 。请注意， 'observations' 值的范围从1到5，但结果图显示的值最多超过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")

../../_images/pandas-DataFrame-plot-hexbin-2.png

pandas.DataFrame.plot.density

pandas.DataFrame.plot.hist