pandas.DataFrame.plot.hexbin

DataFrame.plot.hexbin(x, y, C=None, reduce_C_function=None, gridsize=None, **kwds) [source]

Генерация диаграммы с гексагональным разбиением.

Генерация диаграммы с гексагональным разбиением для x по y. Если C равно None (по умолчанию), это гистограмма числа наблюдений в точках (x[i], y[i]).

Если C указано, оно задаёт значения в заданных координатах (x[i], y[i]). Эти значения накапливаются для каждого гексагонального ячейки, а затем сводятся в соответствии с reduce_C_function, по умолчанию - среднее значение NumPy (numpy.mean()). (Если C указано, оно также должно быть одномерной последовательностью той же длины, что и x и y, или именем столбца.)

Параметры:

x : int или str Имя столбца или позиция для точек x. y : int или str Имя столбца или позиция для точек y. C : int или str, необязательно Имя столбца или позиция для значения точки (x, y). reduce_C_function : вызываемая функция, по умолчанию np.mean Функция одного аргумента, которая сводит все значения в ячейке к одному числу (например, np.mean, np.max, np.sum, np.std). gridsize : int или кортеж (int, int), по умолчанию 100 Количество гексагонов в направлении x. Соответствующее количество гексагонов в направлении y выбирается так, чтобы гексагоны были примерно правильными. В качестве альтернативы, gridsize может быть кортежем из двух элементов, определяющих количество гексагонов в направлении x и y. **kwds Дополнительные ключевые аргументы описаны в pandas.DataFrame.plot().

Возвращает:

matplotlib.AxesSubplot Объект matplotlib Axes, на котором отображена диаграмма hexbin.

См. также

DataFrame.plot

Создание графиков DataFrame.

matplotlib.pyplot.hexbin

Диаграмма гексагонального разбиения с использованием matplotlib, функция matplotlib, используемая внутри.

Примеры

Следующие примеры созданы с использованием случайных данных из нормального распределения.

>>> 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)

Следующий пример использует C и np.sum в качестве reduce_C_function. Обратите внимание, что значения ‘observations’ колеблются от 1 до 5, но на графике отображаются значения до более чем 25. Это связано с 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")