将 2D 箱中分散值的平均值绘制为直方图/十六进制图

Question

我有 3 维分散数据 x、y、z。我想将 x 和 y 的箱中 z 的平均值绘制为十六进制图或二维直方图。有没有 matplotlib 函数可以做到这一点？尽管这似乎是一个常见问题，但我只能提出一些非常麻烦的实现。

例如这样的事情：

除了颜色应取决于 (x, y) bin 的平均 z 值（而不是默认 hexplot/2D 直方图功能中的 (x, y) bin 中的条目数）。

Answer 1

如果分箱是您所要求的，那么binned_statistic_2d可能适合您。这是一个例子：

from scipy.stats import binned_statistic_2d
import numpy as np

x = np.random.uniform(0, 10, 1000)
y = np.random.uniform(10, 20, 1000)
z = np.exp(-(x-3)**2/5 - (y-18)**2/5) + np.random.random(1000)

x_bins = np.linspace(0, 10, 10)
y_bins = np.linspace(10, 20, 10)

ret = binned_statistic_2d(x, y, z, statistic=np.mean, bins=[x_bins, y_bins])

fig, (ax0, ax1) = plt.subplots(1, 2, figsize=(12, 4))
ax0.scatter(x, y, c=z)
ax1.imshow(ret.statistic.T, origin='bottom', extent=(0, 10, 10, 20))

Answer 2

@Andrea 的答案非常清晰且有帮助，但我想提一个不使用 scipy 库的更快的替代方案。

这个想法是做一个由 z 变量加权的 x 和 y 的二维直方图（它具有每个 bin 中 z 变量的总和），然后针对没有权重的直方图进行归一化（它具有每个 bin 中的计数数）。这样，您将计算每个 bin 中 z 变量的平均值。

代码：

import numpy as np
import matplotlib.pyplot as plt

x = np.random.uniform(0, 10, 10**7)
y = np.random.uniform(10, 20, 10**7)
z = np.exp(-(x-3)**2/5 - (y-18)**2/5) + np.random.random(10**7)

x_bins = np.linspace(0, 10, 50)
y_bins = np.linspace(10, 20, 50)

H, xedges, yedges = np.histogram2d(x, y, bins = [x_bins, y_bins], weights = z)
H_counts, xedges, yedges = np.histogram2d(x, y, bins = [x_bins, y_bins]) 
H = H/H_counts

plt.imshow(H.T, origin='lower',  cmap='RdBu',
            extent=[xedges[0], xedges[-1], yedges[0], yedges[-1]])
plt.colorbar()

在我的计算机中，此方法比使用scipy 的binned_statistic_2d.