在Python中再现二维直方图

我使用Python处理一个非常大的数据集，因此我尝试使用直方图而不是数组（数组太大，无法保存/加载/映射）。我在一堆文件上爬行，从中提取信息，然后我想获取信息，然后重新制作直方图。我可以使用1D柱状图进行此操作，如下所示：

counter, bins = np.histogram(nSigmaProtonHisto, bins=1000, range=(-10000, 10000))
nSigmaProtonPico[0] += counter
nSigmaProtonPico[1] = bins[:-1]

nSigmaProtonPico是一个2D数组，用于存储箱边和直方图值的最终计数。nSigmaProtonHisto是一个用于特定事件的一维数组，我循环了数百万个事件。一旦脚本完成，它将爬过所有事件，我将有一个带有直方图值和位置的2D数组。我可以简单地画出它，如下所示：

plt.plot(nSigmaProtonPico[1], nSigmaProtonPico[0])

当我尝试对2D直方图执行此操作时，它会崩溃。我错过了一些东西。以下是我所拥有的：

counter, bins1, bins2 = np.histogram2d(dEdX, pG, bins=1000, range=((0, 20), (-5, 5)))
dEdXpQPRIME[0] += counter[0]
dEdXpQPRIME[1] += counter[1]
dEdXpQPRIME[2] = bins1[:-1]
dEdXpQPRIME[3] = bins2[:-1]

这让我得到了一些东西，但我不知道如何绘制它，以便从所有数据中重现直方图。我认为它会像x，y，z坐标一样简单，但是有4个坐标，而不是3个坐标

---

我缺少什么？

计数器是一个2D数组。如果每次调用

historogram2d

时都有相同的存储箱，则会得到相同大小的数组。因此，只需添加所有

计数器

数组即可。 考虑：

x1, y1 = np.random.normal(loc=0,scale=1, size=(2,10000))
x2, y2 = np.random.normal(loc=3,scale=1, size=(2,10000))

x_bins = np.linspace(-5,5,100)
y_bins = np.linspace(-5,5,100)

H1, xedges, yedges = np.histogram2d(x1, y1, bins=(x_bins, y_bins))
H2, xedges, yedges = np.histogram2d(x2, y2, bins=(x_bins, y_bins))

H1

和

H2

都是形状

（99,99）

（每个尺寸中有100条边）

---

愚蠢的我；当然，我必须有一个输入矩阵。谢谢

X, Y = np.meshgrid(xedges, yedges)
H = H1+H2

fig, axs = plt.subplots(1,3, figsize=(9,3))
axs[0].pcolormesh(X, Y, H1)
axs[1].pcolormesh(X, Y, H2)
axs[2].pcolormesh(X, Y, H)