Słownik metodologiczny · Statystyka opisowa

Wykres heksagonalny i gęstość dwuwymiarowa (hexbin) – gdy punktów jest za dużo

Przy tysiącach obserwacji wykres rozrzutu zamienia się w plamę. Wykres heksagonalny zlicza punkty w sześciokątnych komórkach, a kontury gęstości dwuwymiarowej wygładzają je w poziomice. Pokazujemy oba na 20 000 punktów i wyjaśniamy, jak wielkość komórki zmienia obraz.

Strona główna / Słownik / Wykres heksagonalny (hexbin)
W skrócie: Wykres heksagonalny (hexbin) dzieli płaszczyznę dwóch zmiennych na sześciokątne komórki i koloruje je według liczby obserwacji – to dwuwymiarowy histogram. Zastępuje wykres rozrzutu, gdy przy tysiącach obserwacji punkty zlewają się w plamę. Kontury gęstości dwuwymiarowej pokazują to samo jako gładkie poziomice.

Co to jest wykres heksagonalny?

Wykres heksagonalny (ang. hexbin plot, hexagonal binning) to dwuwymiarowy histogram. Płaszczyznę dwóch zmiennych ilościowych dzieli się na sześciokątne komórki, zlicza obserwacje w każdej z nich i koloruje komórkę według liczebności. Zastępuje wykres rozrzutu, gdy obserwacji jest tak dużo, że punkty nakładają się na siebie (ang. overplotting) i chmura zlewa się w jednolitą plamę. Sześciokąt jest bliższy kołu niż kwadrat, więc punkty w komórce leżą w podobnej odległości od jej środka niezależnie od kierunku.

Pokrewny jest wykres konturowy gęstości dwuwymiarowej: zamiast zliczeń rysuje się poziomice gładkiej powierzchni z estymatora jądrowego, podobnie jak na mapie wysokości terenu. Sheather (2004) opisuje praktyczne stosowanie metod jądrowych.

Kiedy go użyć

  • Tysiące obserwacji – duże ankiety, rejestry, dane z aplikacji – gdy nawet półprzezroczyste punkty dają jednolitą plamę.
  • Pytanie „gdzie jest najwięcej osób?” – skupiska, drugi szczyt, obszary puste.
  • Nie przy kilkuset obserwacjach – wtedy wystarczy wykres rozrzutu, a heksagony ukryłyby pojedyncze punkty.

Dang i in. (2010) zwracają uwagę, że wszystkie typowe sposoby radzenia sobie z nakładaniem punktów – pole, kolor albo agregacja (histogramy, gęstości jądrowe) – mają wady: liczebność odczytana z koloru lub pola jest zniekształcona, a rozróżnialnych odcieni jest mniej niż rozróżnialnych długości.

Przykład

Symulowano wyniki 20 000 uczniów z matematyki i czytania (w punktach). U 18 000 wyniki mają rozkład normalny (średnia 50, odchylenie standardowe 10) i korelują na poziomie .5. Pozostałe 2 000 osób tworzy zwartą grupę z wynikami około 62 punktów z matematyki i 46 z czytania – np. uczniowie klas o profilu matematycznym. Położenie i rozrzut tej grupy ustawiono ręcznie tak, by schowała się w chmurze punktów; ziarna (742) nie zmieniano. W całej próbie korelacja wynosi r = .42.

Na rysunku

Trzy panele dla tych samych 20 000 uczniów, wynik z matematyki na osi poziomej i z czytania na pionowej. A: wykres rozrzutu – jednolita ciemna plama w kształcie elipsy. B: 340 heksagonów w odcieniach od jasnoniebieskiego do granatowego; najciemniejszy heksagon z 635 osobami leży przy 61 punktach z matematyki i 45 z czytania. C: kontury gęstości dwuwymiarowej z szerokim wzniesieniem w środku chmury i ciasnym skupiskiem poziomic w tym samym miejscu co najciemniejszy heksagon
Rysunek 1. Te same 20 000 obserwacji jako wykres rozrzutu (A), wykres heksagonalny (B) i kontury gęstości dwuwymiarowej (C). Obliczenia: R, pakiety ggplot2, patchwork i MASS (dane symulowane, set.seed(742)).

Co widać. W panelu A punkty zlewają się w ciemną plamę. Widać tylko zarys chmury i kilka odległych punktów, ale nie to, gdzie leży najwięcej osób. Panel B dzieli płaszczyznę na 340 heksagonów o promieniu 2 punktów. W najgęstszym, o środku przy 61 punktach z matematyki i 45 z czytania, jest 635 osób, a połowa heksagonów ma najwyżej 13 osób. Ukryta grupa jest więc ciemną plamą poza środkiem głównej chmury. Panel C pokazuje to samo jako ciasne skupisko poziomic, czyli drugi szczyt gęstości.

Na co uważać. Obraz zależy od wielkości komórki. Przy promieniu 1 punktu heksagonów jest 1075, a największy liczy 217 osób; przy promieniu 4 – tylko 99 heksagonów, a największy 1665 osób. Za duże komórki rozmyją małą grupę, za małe dadzą szum. Kontury zależą w ten sam sposób od szerokości pasma – jak gęstość jednej zmiennej we wpisie Rozkład zmiennej na wykresie. Najbardziej zewnętrzna poziomica pomija rzadkie obszary, a heksagony nie pokazują, która obserwacja jest odstająca.

Podpis do pracy:

Rysunek 1. Wyniki z matematyki i czytania (N = 20 000) jako wykres rozrzutu (A), wykres heksagonalny (B) i kontury gęstości dwuwymiarowej (C). Uwaga. W panelu B kolor heksagonu (promień 2 punkty) oznacza liczbę uczniów; w panelu C poziomice estymatora jądrowego z domyślną szerokością pasma.

Jak opisać w pracy

Ze względu na liczbę obserwacji (N = 20 000) zależność wyników z matematyki i czytania przedstawiono na wykresie heksagonalnym (Rysunek 1B). Obok głównego skupiska zgodnego z umiarkowaną korelacją (r = .42) widoczne było drugie, zwarte skupisko uczniów z wynikami około 62 punktów z matematyki i 46 z czytania.

Na co uważać

  • Tęczowa skala barw. Używaj skali od jasnego do ciemnego odcienia jednej barwy – czytelnej też w druku czarno-białym i dla osób z zaburzeniami widzenia barw. Zawsze dodaj legendę z liczbami.
  • Różne jednostki osi. Heksagony liczone w surowych jednostkach są „rozciągnięte”, gdy osie mają bardzo różny zakres. Wybierz rozmiar komórki osobno dla każdej osi albo licz w wynikach standaryzowanych.
  • Jedna wielkość komórki. Sprawdź dwie, trzy wielkości i podaj wybraną w podpisie. Wybór szerokości komórek i pasma omawia szczegółowo monografia Scotta (1992).

Przy kilku zmiennych heksagony można wstawić do komórek macierzy wykresów rozrzutu; mniejsze zbiory i nakładanie się punktów w danych z ankiet pokazuje wpis Korelacje na wykresie.

Przykład reprodukowalny

Wykres heksagonalny w R

Heksagony liczymy ręcznie, żeby było widać, co robi algorytm: dwie przesunięte siatki prostokątne i przypisanie punktu do bliższego środka. Gotową wersję daje funkcja geom_hex() z ggplot2. Kontury rysuje geom_density_2d(), która korzysta z funkcji kde2d() z pakietu MASS. Panel A zapisano jako obszar, w którym leży choć jeden punkt: zwykły geom_point() daje ten sam obraz, ale plik z 20 000 punktów byłby bardzo duży. Rysunek na stronie powstał z tego samego obiektu p1 z motywem serwisu (krój, siatka); dane, geometrie i skale są identyczne.

Rozrzut, heksagony i kontury dla 20 000 punktów

Dane wejściowe: 20 000 symulowanych uczniów, wyniki z matematyki i czytania (set.seed(742)).

Co odczytać: r = .42; 340 heksagonów, w najgęstszym 635 osób; liczba heksagonów i maksimum przy promieniu 1, 2 i 4 punkty.

R
# Wykres heksagonalny: 20 000 punktów jako zwykły rozrzut, heksagony i kontury gęstości dwuwymiarowej
suppressPackageStartupMessages({library(ggplot2); library(patchwork)})
motyw <- theme_minimal(base_size = 12) + theme(panel.grid.minor = element_blank())
set.seed(742)                                      # 18 000 uczniów + ukryta grupa 2 000 o podobnych wynikach
n1 <- 18000; n2 <- 2000
z1 <- rnorm(n1); z2 <- 0.5 * z1 + sqrt(1 - 0.5^2) * rnorm(n1)
d <- data.frame(mat = c(50 + 10 * z1, rnorm(n2, 62, 2)),
                czyt = c(50 + 10 * z2, rnorm(n2, 46, 2)))
nrow(d); round(cor(d$mat, d$czyt), 2)
# heksagony liczone ręcznie: dwie przesunięte siatki prostokątne, punkt trafia do bliższego środka
hex_licz <- function(x, y, r) {                    # r – promień heksagonu (w jednostkach osi)
  dx <- sqrt(3) * r; dy <- 3 * r
  ax <- round(x / dx) * dx;             ay <- round(y / dy) * dy
  bx <- round(x / dx - 0.5 + 1e-9) * dx + dx / 2
  by <- round(y / dy - 0.5 + 1e-9) * dy + dy / 2
  a_blizej <- (x - ax)^2 + (y - ay)^2 <= (x - bx)^2 + (y - by)^2
  cx <- round(ifelse(a_blizej, ax, bx), 6); cy <- round(ifelse(a_blizej, ay, by), 6)
  h <- aggregate(list(n = rep(1, length(x))), list(cx = cx, cy = cy), sum)
  h$id <- seq_len(nrow(h))
  kat <- seq(30, 330, by = 60) * pi / 180         # wierzchołki heksagonu „ostrym końcem do góry”
  w <- h[rep(h$id, each = 6), ]
  w$px <- w$cx + r * cos(kat); w$py <- w$cy + r * sin(kat)
  list(srodki = h, wierzcholki = w)
}
hx <- hex_licz(d$mat, d$czyt, r = 2)
c(heksagony = nrow(hx$srodki), max_n = max(hx$srodki$n), mediana_n = median(hx$srodki$n))
hx$srodki[which.max(hx$srodki$n), c("cx", "cy", "n")]
sapply(c(r_1 = 1, r_2 = 2, r_4 = 4), function(r) {           # wielkość heksagonu zmienia obraz
  h <- hex_licz(d$mat, d$czyt, r)$srodki; c(heksagony = nrow(h), max_n = max(h$n)) })
# A: zwykły rozrzut – obszar, w którym leży choć jeden punkt (geom_point() daje ten sam obraz,
#    ale plik z 20 000 punktów jest bardzo duży, więc punkty zliczono w drobnej siatce)
siatka <- as.data.frame(table(kx = cut(d$mat, 0:100), ky = cut(d$czyt, 0:100)))   # komórki 1 × 1 pkt
siatka$x <- as.integer(siatka$kx) - 0.5; siatka$y <- as.integer(siatka$ky) - 0.5
osie <- list(coord_equal(xlim = c(12, 88), ylim = c(12, 88)), labs(x = "Matematyka (pkt)", y = "Czytanie (pkt)"))
pA <- ggplot(siatka, aes(x, y, z = Freq)) +
  geom_contour_filled(breaks = c(0.5, Inf), fill = "grey20", show.legend = FALSE) +
  osie + labs(title = "A. Wykres rozrzutu")
pB <- ggplot(hx$wierzcholki, aes(px, py, group = id, fill = n)) + geom_polygon(colour = "white", linewidth = 0.1) +
  scale_fill_gradient(low = "#D9E8F5", high = "#002B44", name = "Liczba osób\nw heksagonie") +
  osie + labs(title = "B. Heksagony")
pC <- ggplot(d, aes(mat, czyt)) + geom_density_2d(colour = "#0072B2", bins = 10, linewidth = 0.5) +
  osie + labs(title = "C. Kontury gęstości 2D")
p1 <- (pA + pB + pC) & motyw & theme(legend.position = "bottom")
p1
Wynik w R
[1] 20000
[1] 0.42
heksagony     max_n mediana_n 
      340       635        13 
          cx cy   n
145 60.62178 45 635
           r_1 r_2  r_4
heksagony 1075 340   99
max_n      217 635 1665

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (funkcje bazowe rnorm(), aggregate(), table(); rysunek – pakiety ggplot2 i patchwork, kontury przez MASS). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  3. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork
  4. MASS (wersja 7.3-65): Venables, W. N., & Ripley, B. D. (2002). Modern applied statistics with S (4th ed.). Springer. https://www.stats.ox.ac.uk/pub/MASS4/

Najczęstsze pytania

Kiedy zamiast wykresu rozrzutu użyć wykresu heksagonalnego?

Gdy obserwacji jest tak dużo, że nawet półprzezroczyste punkty zlewają się w plamę – zwykle od kilku tysięcy wzwyż. Przy kilkuset obserwacjach lepszy jest zwykły wykres rozrzutu, bo pokazuje każdą osobę.

Jak dobrać wielkość heksagonu?

Sprawdź kilka wielkości. W przykładzie przy promieniu 1 punktu było 1075 heksagonów z maksimum 217 osób, a przy promieniu 4 – 99 heksagonów z maksimum 1665. Za duże komórki rozmywają małe skupiska, za małe dają szum.

Czym kontury gęstości różnią się od heksagonów?

Heksagony pokazują surowe zliczenia w komórkach, a kontury – poziomice gładkiej gęstości z estymatora jądrowego. Kontury wyglądają czyściej, ale zależą od szerokości pasma i pomijają rzadkie obszary na obrzeżach chmury.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Dang, T. N., Wilkinson, L., & Anand, A. (2010). Stacking graphic elements to avoid over-plotting. IEEE Transactions on Visualization and Computer Graphics, 16(6), 1044–1052. https://doi.org/10.1109/tvcg.2010.197
  2. Scott, D. W. (1992). Multivariate density estimation: Theory, practice, and visualization. Wiley. https://doi.org/10.1002/9780470316849
  3. Sheather, S. J. (2004). Density estimation. Statistical Science, 19(4), 588–597. https://doi.org/10.1214/088342304000000297

Cytowania BibTeX

@article{dang2010stacking, author={Dang, Tuan Nhon and Wilkinson, Leland and Anand, Anushka}, title={{Stacking graphic elements to avoid over-plotting}}, journal={IEEE Transactions on Visualization and Computer Graphics}, year={2010}, volume={16}, number={6}, pages={1044--1052}, doi={10.1109/tvcg.2010.197}}
@book{scott1992multivariate, author={Scott, David W.}, title={{Multivariate density estimation: Theory, practice, and visualization}}, year={1992}, publisher={Wiley}, doi={10.1002/9780470316849}}
@article{sheather2004density, author={Sheather, Simon J.}, title={{Density estimation}}, journal={Statistical Science}, year={2004}, volume={19}, number={4}, pages={588--597}, doi={10.1214/088342304000000297}}
R