AI 画的散点图只剩一团黑，怎样改成能看出密度的六边形分箱图

散点大量重叠时，可以在明确坐标范围和网格大小后用hexbin统计六边形内的数量，再附计数明细。它展示局部密度，不能直接证明热点形成的原因，也不会保留每个原始点的可见身份。

用重复坐标看清遮挡

附件105个合成点中，70个落在(0,0)，20个在(1,1)，10个在(2,0)，5个在(3,3)。普通散点图只显出四个位置，点数差异被完全遮住；调整透明度能缓解但不是可靠的精确读数。原始points.csv保留全部记录，不能只把绘图后可见点当作样本量。真实数据是否有重复采集，需要在绘图前另行检查。

固定网格与范围再比较

脚本使用Matplotlib hexbin，显式设置gridsize、extent与mincnt，颜色条标count。extent固定在两轴−0.5至3.5，便于不同版本或月份之间保持可比较范围。网格越细越接近局部细节，也越容易产生稀疏噪声；网格粗则可能把邻近热点合在一起。两张图比较时不能一张用大格、一张用小格，却把颜色深浅直接解释为变化。

图和计数表一起交付

scatter-vs-hexbin.svg并列散点与密度图，bin-counts.csv保存非空六边形中心和计数。计数之和应为105，最大格计数为70，能与原始重复记录独立核对。这个检查比“SVG能打开”更有意义：坐标范围若误设，某些点会消失，而图仍然看起来正常。需要精确样本身份时，应继续链接原始记录，不能从格中心反推每个点的位置。

排除项和边界必须可见

边界命令加入NaN点，它会进入excluded.json而不被偷偷画到零点。实际输入还有范围外坐标与无穷值时，应报告排除数量并核对原因；缩小范围后总数变少不能装成数据减少。该包使用合成点，不分析任何真实业务或地理人群。颜色较深只是数量较多，不能由此推出因果；若各区域曝光量不同，还需要分母或密度定义，不能把原始count直接叫作发生率。

发布图表时写明横纵轴单位、坐标范围、六边形计数与排除项，必要时附另一档网格做敏感性检查。若热点位置随网格轻微改变就完全不同，应谨慎描述其边界；画图软件自动生成的色条刻度也不等于统计显著性。

下载与复现

下载完整样例包，解压到一个新文件夹；也可查看全部文件清单和主脚本。使用Python 3.10或更新版本，在解压目录运行。依赖写在安装清单，建议在自己创建的虚拟环境安装。

python -m pip install -r requirements.txt
python -B run.py
python -B run.py --negative

先查看主要结果，再修改输入重跑；已有输入会保留，结果写回同目录。边界命令可能故意非零退出，也可能输出明确的不适用状态，按正文说明判断，不把所有非零退出都当成安装故障。

依据与延伸阅读

资料核对日期为2026年10月24日。一手资料1：hexbin支持gridsize、extent、mincnt及按格计数，输出集合可读取计数。

继续阅读：WorkBuddy 怎么把数据做成图表？指令写法、图表选型与四处验收；AI 分月画的几张图颜色总换，怎样让同一类别在整份报告里保持同色；AI 把各组百分比直接求平均，怎样重建有分子分母的总表。