二维直方图
二维直方图把一团 (x, y) 点分进一张矩形网格,每格按落在里面的点数上色,右侧自动配一条色条。点太多、一个个
看不出来时,它就是散点图的密度版,也是看两个连续变量联合分布的直接办法。
WITH d AS (SELECT x, y FROM read_csv_auto('{{DFK_BASE_URL}}data/hist2d.tsv'))
SELECT kuva_render(to_json({
'title': '2D histogram — viridis',
'x_axis': {'name': 'x'},
'y_axis': {'name': 'y'},
'series': [{
'type': 'histogram2d',
'data': (SELECT array_agg({'x': x, 'y': y}) FROM d),
'x_range': [(SELECT min(x) FROM d), (SELECT max(x) FROM d)],
'y_range': [(SELECT min(y) FROM d), (SELECT max(y) FROM d)],
'bins_x': 30,
'bins_y': 30,
'color_map': 'viridis'
}]
})) AS chart;
x_range 与 y_range 是必填的 —— 分箱边界由它们决定,而不是由数据决定。落在两个区间之外的点会被静默丢掉,
所以除非你确实想切掉一些,否则就按上面的写法从数据里取区间。
相关系数
correlation 在右上角标出原始点的 Pearson r。它是用全部输入点算的,包含被区间裁掉的那些。
WITH d AS (SELECT x, y FROM read_csv_auto('{{DFK_BASE_URL}}data/hist2d.tsv'))
SELECT kuva_render(to_json({
'title': 'With Pearson r',
'x_axis': {'name': 'x'},
'y_axis': {'name': 'y'},
'series': [{
'type': 'histogram2d',
'data': (SELECT array_agg({'x': x, 'y': y}) FROM d),
'x_range': [(SELECT min(x) FROM d), (SELECT max(x) FROM d)],
'y_range': [(SELECT min(y) FROM d), (SELECT max(y) FROM d)],
'bins_x': 25,
'bins_y': 25,
'correlation': true
}]
})) AS chart;
分箱分辨率
bins_x / bins_y 和一维直方图的 bins 一样,是在噪声与细节之间做取舍。空格子不画 —— 这对深色系色图很重要:
没被看见的背景就还是画布本身。
粗网格把分布抹平到一眼看清形状,但内部结构没了:
WITH d AS (SELECT x, y FROM read_csv_auto('{{DFK_BASE_URL}}data/hist2d.tsv'))
SELECT kuva_render(to_json({
'title': 'Coarse bins — grayscale',
'x_axis': {'name': 'x'},
'y_axis': {'name': 'y'},
'series': [{
'type': 'histogram2d',
'data': (SELECT array_agg({'x': x, 'y': y}) FROM d),
'x_range': [(SELECT min(x) FROM d), (SELECT max(x) FROM d)],
'y_range': [(SELECT min(y) FROM d), (SELECT max(y) FROM d)],
'bins_x': 10,
'bins_y': 10,
'color_map': 'grayscale'
}]
})) AS chart;
细网格把它显出来,代价是单格更噪:
WITH d AS (SELECT x, y FROM read_csv_auto('{{DFK_BASE_URL}}data/hist2d.tsv'))
SELECT kuva_render(to_json({
'title': 'Fine bins — inferno',
'x_axis': {'name': 'x'},
'y_axis': {'name': 'y'},
'series': [{
'type': 'histogram2d',
'data': (SELECT array_agg({'x': x, 'y': y}) FROM d),
'x_range': [(SELECT min(x) FROM d), (SELECT max(x) FROM d)],
'y_range': [(SELECT min(y) FROM d), (SELECT max(y) FROM d)],
'bins_x': 50,
'bins_y': 50,
'color_map': 'inferno'
}]
})) AS chart;
区间约定
坐标轴直接按你给的 x_range / y_range 标定,所以不管分多少箱,刻度显示的都是真实数据单位。任意递增的一对
都行:
| 区间 | bins_x | 格宽 |
|---|---|---|
[0, 30] | 30 | 1.0 |
[0, 20] | 25 | 0.8 |
[5, 25] | 20 | 1.0 |
对数色标
少数几格占掉了绝大部分计数时 —— 一个很密的核心、周围是稀疏的尾巴 —— 线性色标会把低密度的结构冲掉。
log_count 用 ln(count + 1) 压缩动态范围,核心和光晕能同时看见,色条标签也会自动变成 log(Count)。
WITH d AS (SELECT x, y FROM read_csv_auto('{{DFK_BASE_URL}}data/hist2d.tsv'))
SELECT kuva_render(to_json({
'title': 'Log colour scale',
'x_axis': {'name': 'x'},
'y_axis': {'name': 'y'},
'series': [{
'type': 'histogram2d',
'data': (SELECT array_agg({'x': x, 'y': y}) FROM d),
'x_range': [(SELECT min(x) FROM d), (SELECT max(x) FROM d)],
'y_range': [(SELECT min(y) FROM d), (SELECT max(y) FROM d)],
'bins_x': 40,
'bins_y': 40,
'color_map': 'inferno',
'log_count': true
}]
})) AS chart;
色条的刻度格式
colorbar_tick_format 是个图级字段 —— 它属于布局、不属于 series —— 控制色条上的标签怎么渲染:
| 取值 | 标签形式 |
|---|---|
"auto"(默认) | 普通整数;到 10000 及以上自动切科学计数法 |
"sci" | 一律 1.23e4 那种写法 |
"integer" | 四舍五入到整数 |
一个数,如 2 | 固定两位小数 |
WITH d AS (SELECT x, y FROM read_csv_auto('{{DFK_BASE_URL}}data/hist2d.tsv'))
SELECT kuva_render(to_json({
'title': 'Scientific colour bar labels',
'colorbar_tick_format': 'sci',
'x_axis': {'name': 'x'},
'y_axis': {'name': 'y'},
'series': [{
'type': 'histogram2d',
'data': (SELECT array_agg({'x': x, 'y': y}) FROM d),
'x_range': [(SELECT min(x) FROM d), (SELECT max(x) FROM d)],
'y_range': [(SELECT min(y) FROM d), (SELECT max(y) FROM d)],
'bins_x': 40,
'bins_y': 40
}]
})) AS chart;
带色条的图都用这个字段 —— 六边形分箱图、热力图、 等高线图。
色图
color_map | 观感 |
|---|---|
"viridis" | 蓝 → 绿 → 黄。感知均匀、对色盲友好。(默认) |
"inferno" | 黑 → 橙 → 黄。对比强;结构化、多峰的数据很合适。 |
"magma" | 黑 → 紫 → 黄。 |
"grayscale" | 白 → 黑。打印友好。 |
"turbo" | 蓝 → 绿 → 红。跨度大时对比强。 |
完整列表(顺序型、ColorBrewer、单色相)见色图。
字段
| 字段 | 类型 | 设置什么 |
|---|---|---|
data | point[] | 要分箱的点,{x, y} 对象。区间之外的点会被丢掉。 |
x_range | [number, number] | 必填。 x 的分箱区间。 |
y_range | [number, number] | 必填。 y 的分箱区间。 |
bins_x | integer | x 方向的箱数(默认 10)。 |
bins_y | integer | y 方向的箱数(默认 10)。 |
color_map | string | 色图。 |
correlation | boolean | 在图上标出相关系数 r。 |
log_count | boolean | 上色前对计数取对数(长尾时有用)。 |
说明
x_range与y_range必填,且必须是递增的一对 —— 分箱边界由它们决定,不是由数据决定。- 两个区间之外的点会被静默丢掉,所以要让区间覆盖所有点。
bins_x与bins_y都必须大于 0。data不能为空。
另见
- kuva — 二维直方图 —— 绘图库自己的图型参考。
- 六边形分箱图 —— 用六边形分箱,避免方格网的轴向伪影。
- 热力图 —— 矩阵本身就是表格、而不是一团点的时候。