用python加权元素制作六边形图

Question

通过在python中使用matplotib，可以通过提供要绘制的项目列表以及权重列表来制作简单的直方图，从而根据其权重来调整每个项目对其所属仓位的贡献，例如

import matplotlib.pyplot as plt

...

plt.hist(items, weights = weightsOfItems)

我正在尝试绘制两个值的六边形bin直方图，可以使用

plt.hexbin(xValues, yValues)

和以前一样，我希望根据权重列表调整每对对所属箱的贡献。从hexbin文档看来，我应该可以通过为参数C提供输入来做到这一点，即

plt.hexbin(xValues, yValues, C = weightsOfValues)

但是，这样做会产生完全不正确的图。目前，我已先根据权重对xValue和yValue进行采样，以得出xSamples和ySamples。但是，此过程非常耗时，并且这意味着我没有使用所有可用数据，因为我摆脱了样本中未包含的xValues和yValues。

那么，有谁知道一种产生六边形柱状图直方图的方法，其中根据给定的权重来调整值对它们各自的柱状图的贡献？

Answer 1

根据文档：

\n\n

\n

如果C指定，则指定坐标 ( x[i], y[i]) 处的值。这些值针对每个六边形箱进行累积，然后根据 进行减少reduce_C_function，默认为 numpy\xe2\x80\x99s 均值函数 ( np.mean)。（如果指定，它也必须是与和C长度相同的一维序列。）xy

\n

\n\n

这意味着对于每个 bin，C都会存储相应的值，然后reduce_C_function将 应用于它们。由于默认函数是np.mean，因此结果不是您想要获得的结果，而是平均值而不是总和。要实际获得所有权重的总和，应将其更改为，np.sum以便对C每个权重的值求和(x,y)箱中

\n\n

此示例显示了与简单数据的差异：

\n\n

N = 10**5\nx = np.random.normal(size=N)\ny = np.random.normal(size=N)\nplt.figure(figsize=(12,4)); plt.subplot(131)\nplt.hexbin(x,y); plt.colorbar()\nplt.subplot(132)\nplt.hexbin(x,y,C=np.ones(N)); plt.colorbar()\nplt.subplot(133)\nplt.hexbin(x,y,C=np.ones(N),reduce_C_function=np.sum)\nplt.colorbar(); plt.tight_layout()\n

\n\n

现在，所有值（从高斯分布生成）的权重都设置为 1，因此加权直方图的正确算法应返回与未加权直方图相同的结果。输出如下图：

\n\n

\n\n

左侧面板是未加权图，显示 2D 高斯分布，中间面板是 的默认行为C，对每个 bin 的所有C值进行平均，因此所有 bin 中的计数为 1，右侧面板是 的行为np.sum，其中检索二维高斯。

\n