![](/img/trans.png)
[英]How to count occurrence of each unique ID in each bin in a 2D histogram (python or pandas)
[英]How to get the maximum in each bin of a 2D histogram in python
我正在使用numpy,尤其是histrogram2d函数。 我正在用2d直方图对点(数组x
, y
和z
)的3D空间分布进行分箱。 对于每个点,我都有一个关联的密度场d
。
如果我那样做
import numpy as np
H, xedges, yedges = np.histogram2d(x,y,bins=200,weights=d)
直方图H
代表沿视线的密度之和(在这种情况下为z轴)。 考虑到我正在处理非常大的数组,这是非常快速和容易的。
现在,我想走得更远,而不是沿视线绘制密度的总和,我想在每个2D仓中获得最大的密度。 我编码了可能的解决方案:
from numpy import *
x=array([0.5,0.5,0.2,0.3,0.2,0.25,0.35,0.6,0.1,0.22,0.7,0.45,0.57,0.65])
y=array([0.5,0.5,0.28,0.18,0.85,0.9,0.44,0.7,0.1,0.22,0.7,0.45,0.54,0.65])
d=array([1,1,2,2,3,5,6,8,7,9,6,10,5,7])
bins=linspace(0,1,64)
idx=digitize(x,bins)
idy=digitize(y,bins)
img2=zeros((len(bins),len(bins)))
for i in arange(0,len(d)):
dummy=idx[i]
dummy2=idy[i]
img2[dummy][dummy2]=max(d[i],img2[dummy][dummy2])
但是,对于庞大的数据集,最后几行中的循环可能真的很慢。 关于如何使它更快的任何想法?
这是我的操作方法,很抱歉,我现在没有时间编写代码:
numpy.ravel_multi_index
将2d问题变成1d问题。 numpy.unique
的实现,您想要执行类似的操作以获取唯一的bin值,但是您想要以某种方式进行操作,以便它同时为您提供d
的最小值/最大值。 numpy.lexsort
在这里也可能会有所帮助。 img2.flat[uniq_1d_bin_value] = bin_max
这样简单 我希望这足以让您入门。 如果遇到问题,可以发布代码并告诉我们您遇到的困难,也许我或其他人可以帮助您再次走上正确的道路。
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.