pandas.DataFrame.plot.hexbin

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

Генерировать диаграмму гексагонального разбиения.

Генерирует диаграмму гексагонального разбиения x по y. Если C равно None (по умолчанию), это гистограмма числа появлений наблюдений в (x[i], y[i]).

Если C задано, оно определяет значения в заданных координатах (x[i], y[i]). Эти значения накапливаются для каждого гексагонального ячейки и затем сводятся в соответствии с reduce_C_function, по умолчанию являющейся функцией NumPy’s mean (numpy.mean()). (Если C указано, оно также должно быть 1-мерной последовательностью той же длины, что и x и y или имя столбца.)

Параметры:

x : int or str Имя столбца или позиция для точек x. y : int or str Имя столбца или позиция для точек y. C : int or str, optional Имя столбца или позиция для значения точки (x, y). reduce_C_function : callable, default 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 or tuple of (int, int), default 100 Число гексагонов в направлении x. Соответствующее число гексагонов в направлении y выбирается таким образом, чтобы гексагоны были приблизительно правильными. Кроме того, gridsize может быть кортежем из двух элементов, определяющих число гексагонов в направлениях x и y. **kwds Дополнительные ключевые аргументы документированы в pandas.DataFrame.plot().

Возвращает:

matplotlib.AxesSubplot Объект matplotlib Axes на котором отображена гексагональная диаграмма.

См. также

DataFrame.plot

Создавать графики DataFrame.

matplotlib.pyplot.hexbin

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

Примеры

Следующие примеры сгенерированы 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 результирующем графике показаны значения более 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")