pandas.DataFrame.plot.hexbin

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

Генерация диаграммы гексагональной бинирования.

Генерация диаграммы гексагональной бинирования по x и y. Если C равно None (по умолчанию), это гистограмма числа наблюдений в (x[i], y[i]).

Если C указано, то это значения в заданных координатах (x[i], y[i]). Эти значения накапливаются для каждого гексагонального бина и затем уменьшаются в соответствии с reduce_C_function, по умолчанию функция NumPy’s mean (numpy.mean()). (Если C указано, то оно также должно быть одномерным массивом той же длины, что и x и y или имя колонки).

Параметры:

x : int or str Имя колонки или позиция для точек x. y : int or str Имя колонки или позиция для точек y. C : int or str, optional Имя колонки или позиция для значения точки (x, y). reduce_C_function : callable, default np.mean Функция от одного аргумента, которая сводит все значения в бине к одному числу (например, np.mean, np.max, np.sum, np.std). gridsize : int or tuple of (int, int), default 100 Количество гексагонов в направлении x. Соответствующее количество гексагонов в направлении y выбирается таким образом, чтобы гексагоны были приблизительно правильными. Кроме того, gridsize может быть кортежем с двумя элементами, определяющими количество гексагонов в направлениях x и y. **kwds Дополнительные ключевые аргументы описаны в DataFrame.plot().

Возвращает:

matplotlib.AxesSubplot Объект matplotlib, на котором нарисована диаграмма гексагонального бинирования.

См. также

DataFrame.plot

Создание диаграмм DataFrame.

matplotlib.pyplot.hexbin

Диаграмма гексагонального бинирования с использованием matplotlib, функция matplotlib, которая используется внутри.

Примеры

Следующие примеры генерируются с помощью 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 как reduce_C_function. Обратите внимание, что значения ‘observations’ находятся в диапазоне от 1 до 5, но диаграмма показывает значения более 25. Это из-за 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")