分箱散点图

分箱散点图是两个数值列的二维直方图:每个网格单元按其中的点数着色,并附有表示计数的色条。适用于普通散点图点重叠的大型数据集。每个轴的分箱数可手动设置或自动选择;至少需要两行完整数据。它不检验相关性。

最后审阅

核心要点

分箱散点图将 X-Y 平面划分为矩形网格,统计各格中的点数并按计数着色,在散点图过于拥挤时,显示大多数数据的落点以及两个变量如何同步变化。

本页内容
  1. 用途
  2. 主要功能
  3. 统计方法
  4. 输入字段和选项
  5. 输出说明
  6. 计算示例

用途

分箱散点图将 X–Y 平面划分为矩形网格(分箱),统计每个分箱中的点数,并按计数为矩形着色。即使普通散点图因点重叠而模糊一片,它也能显示大多数数据的落点以及两个变量如何同步变化。适用于来自在线测量或试验台的大型数据集,也可用于一目了然地看出两种特性的哪些组合常见、哪些罕见。

主要功能

  • 针对任意两个数值列的二维直方图。
  • 各轴的分箱数可由您设置,也可自动选择。
  • 色条显示各颜色对应的计数,并可选择多种色阶。
  • Data Options 可按行号或按条件排除行,或仅保留指定的行。
  • 交互式图形:将鼠标悬停在某个单元上可查看其 X 范围、Y 范围和计数;可缩放并下载为图片。

统计方法

两列均被转换为数值,任一值缺失或非数值的行会被剔除;至少需要两行完整数据。该图是由 Plotly 绘制的二维直方图:每个点被计入包含它的矩形,矩形的颜色表示计数。X axis bins 和 Y axis bins 给出每个轴希望使用的最大分箱数;图形随后会把分箱宽度取整为整齐的数值(例如 20、50 或 200),因此显示的分箱数可能少于输入的数目。若留空,则根据数据自动选择分箱大小。

读图方法:一条从左下延伸到右上的填充单元带表示两个变量同步上升;从左上延伸到右下则表示一个变量上升时另一个下降。最亮的单元表示最常见的组合。远离该带的孤立单元是值得检查的异常点。图形效果取决于分箱大小:分箱太少会掩盖结构,太多则会使大多数单元只含 0 或 1 个点。计数并非相关性检验;如需用数值量化关系,请使用 Correlation 或 Regression。

输入字段和选项

字段

说明

X-axis column

必填。作为横轴的数值列。

Y-axis column

必填。作为纵轴的数值列。

X axis bins / Y axis bins

可选,2 至 200。该轴上的最大分箱数;留空则自动计算。

Title

图形上显示的标题。默认为 Binned Scatterplot。

Color scale

计数所用的色阶。默认为 Viridis(低计数为深色,高计数为黄色)。

Data Options: Subset (optional)

排除匹配的行(默认)或仅包含匹配的行,匹配依据为 Row numbers(例如 3,7,12-15,使用原始网格的行号)和/或 Condition(例如 Batch_Type == "Standard")。除非填写了 Row numbers 或 Condition,否则不起作用。

binned-scatterplot-inputs


图 1 — 硬度位于 X 轴、抗拉强度位于 Y 轴,每个轴最多 6 个分箱。

输出说明

  • Binned Scatterplot——覆盖 X 和 Y 范围的彩色矩形网格,并附有 Count 色条。
  • 通过 Download 导出 PDF。

binned-scatterplot-output


图 2 — 按硬度和抗拉强度统计的 40 个材料批次的计数:最密集的单元包含 14 个批次。

计算示例

一家材料实验室对 40 个材料批次测试了布氏硬度和抗拉强度。冶金工程师想了解大多数批次落在何处,以及硬度能否替代较慢的拉伸试验。工程师选择 X-axis column = Hardness_HB 和 Y-axis column = Tensile_Strength_MPa,并在 X axis bins 和 Y axis bins 中均输入 6。图形将其取整为宽 50 HB(50 至 300 HB)、高 200 MPa(800 至 1,600 MPa)的分箱。

填充单元形成一条从左下到右上的带:硬度越高的批次强度越高(两列的相关系数为 0.99)。最密集的单元为 150 至 200 HB、1,000 至 1,200 MPa,包含 40 个批次中的 14 个。其次是 200 至 250 HB、1,200 至 1,400 MPa(9 个批次)和 250 至 300 HB、1,400 至 1,600 MPa(4 个批次)。有一个批次孤立地位于 50 至 100 HB 且低于 1,000 MPa 的单元:这是最软的批次,硬度 80.1 HB、强度 822.6 MPa,值得检查。

就决策而言,这意味着硬度在整个范围内与强度紧密相关,可作为快速筛选试验,拉伸试验则保留用于确认。每个轴使用 12 个分箱时,图形采用 20 HB 和 100 MPa 的分箱;该带分裂为更小的单元,最大计数降至 7,从而更详细地显示带内的分散情况。

常见问题

什么是分箱散点图?

分箱散点图是一种二维直方图:它将 X-Y 平面划分为矩形网格,统计每个矩形中的点数,并按计数为各矩形着色。即使普通散点图因点重叠而模糊一片,它也能显示大多数数据的落点以及两个变量如何同步变化。

何时应使用分箱散点图而不是散点图?

适用于大型数据集,例如来自在线测量或试验台的数据,这类数据的点重叠严重,普通散点图无法显示数据集中在何处。它还能一目了然地显示两种特性的哪些组合常见、哪些罕见。

如何阅读分箱散点图?

一条从左下到右上的填充单元带表示两个变量同步上升;从左上到右下则表示一个变量上升时另一个下降。最亮的单元是最常见的组合,远离该带的孤立单元是值得检查的异常点。计数并非相关性检验;相关性请使用 Correlation 或 Regression。

分箱散点图应使用多少个分箱?

图形效果取决于分箱大小:分箱太少会掩盖结构,太多则会使大多数单元只含 0 或 1 个点。每个轴可输入 2 至 200 个分箱,也可留空以自动确定大小。图形会将分箱宽度取整为整齐的数值,因此显示的分箱数可能少于输入的数目。