Python 以直方图/六角图的形式绘制二维箱中分散值的平均值

我有三维散乱数据x，y，z。 我想将x和y的容器中z的平均值绘制为十六进制图或2D直方图图。 是否有任何matplotlib函数可以执行此操作？ 我只能提出一些非常麻烦的实现，尽管这似乎是一个常见的问题

例如，类似这样的事情：

---

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

如果binning是您所要求的，那么

bined\u statistic\u 2D

可能适合您。下面是一个例子：

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))

---

@Andrea的回答非常清楚，也很有帮助，但我想提一个更快的替代方案，它不使用scipy库

其思想是通过z变量（每个箱子中有z变量的总和）对x和y进行加权，然后根据直方图进行归一化，而不使用权重（每个箱子中有计数的数量）。这样，您将计算每个箱子中z变量的平均值

守则：

将numpy导入为np
将matplotlib.pyplot作为plt导入
x=np.随机.均匀（0,10,10**7）
y=np.随机均匀（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]，权重=z）
H_计数，xedges，yedges=np.Historogram2d（x，y，bins=[x_bins，y_bins]）
H=H/H_计数
plt.imshow（H.T，原点为低，cmap为RdBu，
范围=[xedges[0]，xedges[-1]，yedges[0]，yedges[-1]]
plt.colorbar（）

---

在我的电脑中，这种方法比使用scipy的

binned_statistic_2d

快约5倍。请查看matplotlib

tricontour

函数谢谢您的建议。然而，我想在（x，y）空间进行三角测量（我觉得在我几乎没有数据的地方，这很难解释）。虽然已经实现了，但这似乎是一个比我感兴趣的更难的问题。