matplotlib.pyplot.hist2d#

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

制作一个二维直方图。

参数:

x, y类似数组，形状为 (n, )

输入值

binsNone 或 int 或 [int, int] 或类似数组或 [数组, 数组]

bin 规范：

如果是整数，则为两个维度的箱数（nx = ny = bins）。
如果 [int, int] ，每个维度中的箱数（nx, ny = bins）。
如果类似数组，则为两个维度的分箱边缘（x_edges = y_edges = bins）。
如果 [array, array]，则每个维度中的 bin 边缘（x_edges, y_edges = bins）。

默认值为 10。

范围类似数组的形状 (2, 2)，可选

每个维度上箱子的最左和最右边缘（如果未在 bins 参数中明确指定）：[[xmin, xmax], [ymin, ymax]]。此范围之外的所有值将被视为异常值，不会计入直方图中。

密度bool, 默认值: False

归一化直方图。更多详情请参阅 hist 的 density 参数文档。

权重类数组，形状 (n, )，可选

一个权重值 w_i 的数组，用于加权每个样本 (x_i, y_i)。

cmin, cmax浮点数，默认值：None

所有计数小于 cmin 或大于 cmax 的箱子将不会被显示（在传递给 pcolormesh 之前设置为 NaN），并且在返回值计数直方图中，这些计数值在返回时也将被设置为 nan。

返回:

h二维数组: 样本 x 和 y 的二维直方图。x 中的值沿第一个维度进行直方图统计，y 中的值沿第二个维度进行直方图统计。
xedges1D 数组: 沿 x 轴的 bin 边缘。
yedges1D 数组: 沿 y 轴的 bin 边缘。
图像 : QuadMeshQuadMesh

其他参数:

cmap : str 或 Colormap，默认值: rcParams["image.cmap"] (default: 'viridis')str 或

用于将标量数据映射为颜色的 Colormap 实例或已注册的 colormap 名称。

norm : str 或 Normalize，可选str 或

在将标量数据映射到颜色之前，用于将标量数据缩放到 [0, 1] 范围的归一化方法。默认情况下，使用线性缩放，将最低值映射到 0，最高值映射到 1。

如果提供，这可以是以下之一：

Normalize 的一个实例或其子类之一（参见颜色映射归一化）。
一个刻度名称，即“linear”、“log”、“symlog”、“logit”等之一。要获取可用刻度列表，请调用 matplotlib.scale.get_scale_names()。在这种情况下，会动态生成并实例化一个合适的 Normalize 子类。

vmin, vmax浮点数，可选

在使用标量数据且未明确指定 norm 时，vmin 和 vmax 定义了颜色映射覆盖的数据范围。默认情况下，颜色映射覆盖所提供数据的完整值范围。当给定 norm 实例时，使用 vmin/vmax 是错误的（但使用 str norm 名称与 vmin/vmax 一起是可以接受的）。

alpha : 0 <= 标量 <= 1 或 None, 可选0 <= 标量 <= 1 或 None，可选