[英]Reproducing a 2d histogram in Python
我正在使用 Python 处理一个非常大的数据集,因此我尝试使用直方图而不是数组(数组对于保存/加载/映射来说太大了)。 我正在抓取一堆文件并从中提取信息,然后我想获取信息并在之后重新制作直方图。 我可以用一维直方图来做到这一点,如下所示:
counter, bins = np.histogram(nSigmaProtonHisto, bins=1000, range=(-10000, 10000))
nSigmaProtonPico[0] += counter
nSigmaProtonPico[1] = bins[:-1]
nSigmaProtonPico 是一个二维数组,用于存储 bin 边缘和直方图值的最终计数。 nSigmaProtonHisto 是一个特定事件的一维数组,我循环了数百万个事件。 脚本完成后,它将遍历所有事件,我将拥有一个包含直方图值和位置的二维数组。 我可以简单地绘制它,如下所示:
plt.plot(nSigmaProtonPico[1], nSigmaProtonPico[0])
当我尝试为 2D 直方图执行此操作时,它会崩溃。 我错过了一些东西。 这是我所拥有的:
counter, bins1, bins2 = np.histogram2d(dEdX, pG, bins=1000, range=((0, 20), (-5, 5)))
dEdXpQPRIME[0] += counter[0]
dEdXpQPRIME[1] += counter[1]
dEdXpQPRIME[2] = bins1[:-1]
dEdXpQPRIME[3] = bins2[:-1]
这让我有所收获,但我不知道如何绘制它,以便从所有数据中重现直方图。 我认为它会像 x、y 和 z 坐标一样简单,但有 4 个而不是 3 个坐标。
我错过了什么?
counter
是一个二维数组。 假设您在每次调用histogram2d
都有相同的 bin,您将获得相同大小的数组。 因此,您可以简单地添加所有counter
数组。 考虑:
x1, y1 = np.random.normal(loc=0,scale=1, size=(2,10000))
x2, y2 = np.random.normal(loc=3,scale=1, size=(2,10000))
x_bins = np.linspace(-5,5,100)
y_bins = np.linspace(-5,5,100)
H1, xedges, yedges = np.histogram2d(x1, y1, bins=(x_bins, y_bins))
H2, xedges, yedges = np.histogram2d(x2, y2, bins=(x_bins, y_bins))
H1
和H2
都是形状(99,99)
(每个维度有 100 条边)。
X, Y = np.meshgrid(xedges, yedges)
H = H1+H2
fig, axs = plt.subplots(1,3, figsize=(9,3))
axs[0].pcolormesh(X, Y, H1)
axs[1].pcolormesh(X, Y, H2)
axs[2].pcolormesh(X, Y, H)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.