Python 有没有一种有效的方法从熊猫的散射数据创建彩色网格？

我有一个像这样的熊猫数据框

xy值
140 45 124
15 129 219
189 90 125

我试图通过对每个“网格”中的所有

值进行求和，从这个数据帧创建一个2D颜色网格

将numpy导入为np
作为pd进口熊猫
将matplotlib.pyplot作为plt导入
步骤=5
xx=np.arange（0，200+步，步）
yy=np.arange（0，200+步，步）
数组=np.空（xx.size*yy.size）
ctr=0
对于np.nditer（yy）中的y：
对于np.nditer（xx）中的x：
网格=df[（df['X']>=X）和（df['X']=Y）和（df['Y']

这确实达到了我的目的，但速度非常慢，因为我使用的是Python for循环。有没有一种方法可以使用numpy广播功能来避免使用python for loop并创建相同的网格（ndarray）？
您可能希望使用这些值作为权重进行研究：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

import random

xs = [random.randrange(0,201,1) for _ in range(100)]
ys = [random.randrange(0,201,1) for _ in range(100)]
value = [random.randrange(0,500,1) for _ in range(100)]

hist, xedges, yedges = np.histogram2d(xs, ys, bins=42, range=None, normed=None, weights=value, density=None)
plt.pcolormesh(xedges, yedges, hist)

这比我机器上的循环版本快10倍左右。
像这样简单的东西怎么样

mesh = np.zeros((len(xx), len(yy)))
for row in df.itertuples():
    mesh[row.Y//step, row.X//step] = row.VALUE
plt.pcolormesh(yy, xx, mesh)

你确定你想用
df['X']进行上限独占吗？它对我的特殊目的更有效——但这是一个好的观点*修正了不平等符号
historogram2d
的问题，速度更快，谢谢！有没有办法取每个网格中的值的平均值而不是求和？@dededaio再次尝试使用np.historogram2d，但不使用权重，然后使用它将第一个结果元素按np.divide进行划分