matplotlib.pyplot.hist2d

matplotlib.pyplot.hist2d(x, y, bins=10, *, range=None, density=False, weights=None, cmin=None, cmax=None, data=None, **kwargs)

Erstellt ein 2D-Histogramm.

Parameter:

x, yarray-like, shape (n, )

Eingabewerte

binsNone oder int oder [int, int] oder array-like oder [array, array]

Die Spezifikation der Bins

• Wenn int, die Anzahl der Bins für die beiden Dimensionen (nx = ny = bins).

• Wenn [int, int], die Anzahl der Bins in jeder Dimension (nx, ny = bins).

• Wenn array-like, die Bin-Kanten für die beiden Dimensionen (x_edges = y_edges = bins).

• Wenn [array, array], die Bin-Kanten in jeder Dimension (x_edges, y_edges = bins).

Der Standardwert ist 10.

rangearray-like shape(2, 2), optional

Die linkesten und rechtesten Kanten der Bins entlang jeder Dimension (wenn nicht explizit in den bins-Parametern angegeben): [[xmin, xmax], [ymin, ymax]]. Alle Werte außerhalb dieses Bereichs werden als Ausreißer betrachtet und nicht im Histogramm gezählt.

densitybool, Standard: False

Normalisiert das Histogramm. Details finden Sie in der Dokumentation des density-Parameters von hist.

weightsarray-like, shape (n, ), optional

Ein Array von Werten w_i, die jede Stichprobe (x_i, y_i) gewichten.

cmin, cmaxfloat, default: None

Alle Bins, deren Anzahl kleiner als cmin oder größer als cmax ist, werden nicht angezeigt (vor der Übergabe an pcolormesh auf NaN gesetzt) und diese Zählwerte im zurückgegebenen Zählhistogramm werden ebenfalls auf NaN gesetzt.

Gibt zurück:

h2D array

Das zweidimensionale Histogramm der Stichproben x und y. Werte in x werden entlang der ersten Dimension histogrammiert und Werte in y entlang der zweiten Dimension.

xedges1D array

Die Bin-Kanten entlang der x-Achse.

yedges1D array

Die Bin-Kanten entlang der y-Achse.

imageQuadMesh

Andere Parameter:

cmapstr oder Colormap, Standard: rcParams["image.cmap"] (Standard: 'viridis')

Die Colormap-Instanz oder der registrierte Colormap-Name, der verwendet wird, um Skalardaten in Farben abzubilden.

normstr oder Normalize, optional

Die Normalisierungsmethode, die verwendet wird, um Skalardaten vor der Abbildung auf Farben mithilfe von cmap in den Bereich [0, 1] zu skalieren. Standardmäßig wird eine lineare Skalierung verwendet, die den niedrigsten Wert auf 0 und den höchsten auf 1 abbildet.

Wenn angegeben, kann dies eine der folgenden Optionen sein

• Eine Instanz von Normalize oder eine ihrer Unterklassen (siehe Farbkartennormalisierung).

• Ein Skalennamen, d. h. einer von "linear", "log", "symlog", "logit" usw. Für eine Liste der verfügbaren Skalen rufen Sie matplotlib.scale.get_scale_names() auf. In diesem Fall wird eine geeignete Normalize-Unterklasse dynamisch generiert und instanziiert.

vmin, vmaxfloat, optional

Wenn Skalardaten und keine explizite norm verwendet werden, definieren vmin und vmax den Datenbereich, den die Farbkarte abdeckt. Standardmäßig deckt die Farbkarte den gesamten Wertebereich der bereitgestellten Daten ab. Es ist ein Fehler, vmin/vmax zu verwenden, wenn eine norm-Instanz angegeben ist (aber die Verwendung eines str-norm-Namens zusammen mit vmin/vmax ist akzeptabel).

colorizerColorizer oder None, Standard: None

Das Colorizer-Objekt, das verwendet wird, um Farbe auf Daten abzubilden. Wenn None, wird ein Colorizer-Objekt aus norm und cmap erstellt.

alpha0 <= scalar <= 1 oder None, optional

Der Alpha-Mischwert.

dataindizierbares Objekt, optional

Wenn angegeben, akzeptieren die folgenden Parameter auch einen String s, der als data[s] interpretiert wird, wenn s ein Schlüssel in data ist

x, y, weights

**kwargs

Zusätzliche Parameter werden an die Methode pcolormesh und den Konstruktor QuadMesh weitergegeben.

Siehe auch

hist

1D-Histogramm-Plotting

hexbin

2D-Histogramm mit hexagonalen Bins

Anmerkungen

Hinweis

Dies ist der pyplot-Wrapper für axes.Axes.hist2d.

• Derzeit berechnet hist2d seine eigenen Achsenlimits, und alle zuvor gesetzten Limits werden ignoriert.

• Das Rendern des Histogramms mit einer logarithmischen Farbskala wird durch Übergabe einer Instanz von colors.LogNorm an das Schlüsselwortargument norm erreicht. Ebenso kann eine Potenzgesetz-Normalisierung (ähnlich der Gamma-Korrektur) mit colors.PowerNorm erreicht werden.

Beispiele für die Verwendung von matplotlib.pyplot.hist2d

Normalisierungen erforschen

Normalisierungen erforschen

Histogramme

Histogramme