如何用Matplotlib绘制2D分箱散点值均值的直方图/六边形图？

嘿，这个需求确实很常见，Matplotlib完全可以不用繁琐的手动分箱来实现！我给你两种方案的具体实现方法：

一、六边形分箱图（Hexbin Plot） #

Matplotlib的hexbin()函数其实原生就支持自定义分箱内的聚合方式，默认是统计样本数量，但我们可以通过参数指定计算z值的均值：

1. 核心思路：

   • 用C参数传入你的z数组
   • 通过reduce_C_function指定聚合函数为np.mean（默认是求和）

2. 代码示例：

import matplotlib.pyplot as plt
import numpy as np

# 生成模拟数据（替换成你的真实数据）
np.random.seed(42)
x = np.random.randn(10000)
y = np.random.randn(10000)
z = x * y + np.random.randn(10000)  # z值和x、y相关

fig, ax = plt.subplots(figsize=(8, 6))

# 绘制六边形分箱图，以z的均值着色
hb = ax.hexbin(x, y, C=z, reduce_C_function=np.mean, gridsize=30, cmap='viridis')

# 添加颜色条并标注
cb = fig.colorbar(hb, ax=ax)
cb.set_label('Mean of z values')

ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_title('Hexbin Plot: Mean z per Hexagon')

plt.show()

这样就直接得到了每个六边形分箱内z值的均值着色图，比手动循环分箱简洁太多！

二、二维矩形直方图（2D Histogram） #

如果想要矩形分箱的版本，我们可以结合numpy.histogram2d先计算分箱内的z值总和与样本数量，再推导均值，最后用pcolormesh绘制：

1. 核心思路：

   • 用np.histogram2d同时计算分箱的样本计数（counts）和z值的总和（sums，通过weights=z实现）
   • 计算均值：means = sums / counts，注意处理空分箱（除以0的情况，用np.nan_to_num避免报错）

2. 代码示例：

import matplotlib.pyplot as plt
import numpy as np

# 同样用上面的模拟数据
np.random.seed(42)
x = np.random.randn(10000)
y = np.random.randn(10000)
z = x * y + np.random.randn(10000)

fig, ax = plt.subplots(figsize=(8, 6))

# 计算分箱的计数和z值总和
counts, x_edges, y_edges = np.histogram2d(x, y, bins=30)
sums, _, _ = np.histogram2d(x, y, bins=30, weights=z)

# 计算均值，替换空分箱的NaN为0（或你想要的默认值）
means = np.nan_to_num(sums / counts)

# 绘制二维直方图
im = ax.pcolormesh(x_edges, y_edges, means.T, cmap='viridis')

# 添加颜色条
cb = fig.colorbar(im, ax=ax)
cb.set_label('Mean of z values')

ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_title('2D Histogram: Mean z per Bin')

plt.show()

这里要注意pcolormesh需要转置均值数组（means.T），因为histogram2d返回的数组形状是(len(x_edges)-1, len(y_edges)-1)，和绘图的轴对应需要转置。

两种方法都能完美实现你的需求，不用手动写复杂的分箱逻辑，希望对你有帮助！

内容的提问来源于stack exchange，提问作者kuropan