使用python中的元素进行六边形绘制

Question

在python中使用matplotib可以通过提供要绘制的项目列表和权重列表来制作简单的直方图，这样每个项目对其所属的bin的贡献将根据其进行调整重量，例如

import matplotlib.pyplot as plt

...

plt.hist(items, weights = weightsOfItems)

我试图将两个值的六边形bin直方图相互映射，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其所属的bin的贡献。从hexbin documentation开始，似乎我可以通过给出参数C的输入来做到这一点，即

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

然而，

这样做会产生完全不正确的情节。目前我已经根据权重首先对xValues和yValues进行采样，以得到xSamples和ySamples。然而，这个过程非常耗时，也意味着我没有使用所有可用的数据，因为我摆脱了样本中未包含的xValues和yValues。

那么，有没有人知道一种生成六边形bin直方图的方法，其中根据给定的权重调整值对各自bin的贡献？

Answer 1

根据documentation：

  

如果指定了C，则会指定坐标（x[i]，y[i]）的值。这些值是为每个六边形bin累积的，然后根据reduce_C_function减少，默认为numpy的平均函数（np.mean）。 （如果指定了C，则它也必须是与x和y长度相同的1-D序列。）

这意味着对于每个bin，存储相应的C值，然后将reduce_C_function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。要实际获取所有权重的总和，应将其更改为np.sum，以便对bin中每个C的值(x,y)求和，而不是对它们求平均值。

此示例显示了与简单数据的区别：

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

现在，对于所有值（从高斯分布生成），权重设置为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算法。输出如下：

左侧面板是未加权的绘图，显示2D高斯，中间面板是C的默认行为，平均每个bin的所有C值，因此，总计为1箱子和右侧面板是np.sum的行为，其中检索2D高斯。