如何計算二維直方圖中每個 bin 中每個唯一 ID 的出現次數（python 或 pandas）

Question

我有一個 csv 文件，我想創建一個二維直方圖，其中每個 bin 中的值取決於唯一 ID。 例如（見下文），對於范圍 0<x<1 和 1<y<2，值是 2 (A, B) 而不是 3 (A, A, B)，因為 A 出現了兩次。 謝謝！

ID	X	是的
一個	0.5	1.4
一個	0.6	1.6
一個	1.2	2.2
乙	0.7	1.7
C	4.4	3.5
C	3.1	3.7

Answer 1

i_x < x < j_x , i_y < y < j_y的 bin 可以唯一標識為(i_x, i_y) ； 我們可以看到這個元組對於每個 bin 都是唯一的。 i_x和i_y只是x和y的底值。 就像對於行： (x, y) = (0.5, 1.4) bin 是： 0 < 0.5 < 1 , 1 < 1.4 < 1.2這里i_x = 0 = floor(0.5)和i_y = 1 = floor(1.4) 。

方法：

1. 為 x 和 y 列查找i_x和i_y 。
2. 使用鍵(i_x, i_y)對 dataframe 進行分組，並計算每個組中的唯一IDs 。

代碼：

>>> df
  ID    x    y
0  A  0.5  1.4
1  A  0.6  1.6
2  A  1.2  2.2
3  B  0.7  1.7
4  C  4.4  3.5
5  C  3.1  3.7

df['bin_x'] = np.floor(df.x).astype(int)
df['bin_y'] = np.floor(df.y).astype(int)
df = (df.groupby(['bin_x', 'bin_y'], as_index = False)['ID']
        .agg({'cnt' : 'nunique'}))


>>> df
   bin_x  bin_y  cnt
0      0      1    2
1      1      2    1
2      3      3    1
3      4      3    1

如果您將直方圖定義為大小為 (5, 5) 的 numpy 數組，那么我們可以將cnt值分配給該數組並獲得所需的直方圖。

histogram = np.zeros((5, 5))
histogram[df.bin_x, df.bin_y] = df.cnt
>>> histogram
array([[0., 2., 0., 0., 0.],
       [0., 0., 1., 0., 0.],
       [0., 0., 0., 0., 0.],
       [0., 0., 0., 1., 0.],
       [0., 0., 0., 1., 0.]])