Python 不是通过密度而是通过第三列的平均值为2d直方图着色

我有一个坐标数据集，每行有以下列：

• x、 y，z（坐标）
• 精度（测量坐标的精度）

我试图找出是否有比其他区域坐标更差的区域。我实现这一点的方法是使用散点图并使用色调来显示准确性。“精度”值越高，效果越差，因此，图中较暗的点意味着它们的整体精度越差

这从技术上解决了我的问题，但问题是计算需要花费很多时间（因为有超过80万行），我不确定这是实现我想要的最好方法。我在这个数据集中使用了2d直方图，它们工作起来很有魅力，而且速度非常快。问题是它们总是由密度来着色，我想知道是否有可能用箱子的平均精度值来着色直方图

---

如果有其他的解决方案可以解决这个问题，那么我也会洗耳恭听。我之所以提到这两个，是因为它们是我唯一能想到的。

我已经找到了一种方法，它仍然不完美，但它符合我的需要

其想法是使用pandas手动存储数据：

coordinates['x_bin'] = pd.cut(coordinates['x_coordinate'], bins=30)
coordinates['y_bin'] = pd.cut(coordinates['y_coordinate'], bins=30)

然后，我将这两个人分组，并使用如下热图进行绘图：

grouped = coordinates.groupby(['x_bin', 'y_bin'], as_index=False)['accuracy'].mean()
data = grouped.pivot('y_bin', 'x_bin', 'accuracy')
fig, ax = plt.subplots(figsize=(20,10))
sns.heatmap(data, ax=ax, cmap=sns.cm.mako_r)
ax.invert_yaxis()

结果图如下所示：