跳到主要内容

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]301.0
[0, 20]250.8
[5, 25]201.0

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
datapoint[]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_xintegerx 方向的箱数(默认 10)。
bins_yintegery 方向的箱数(默认 10)。
color_mapstring色图。
correlationboolean在图上标出相关系数 r。
log_countboolean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​