Question

我正在使用numpy，特别是histrogram2d函数。我正在使用2d直方图对点（数组x，y和z）的3D空间分布进行分级。对于每个点，我都有一个关联的密度字段d。

如果我这样做

import numpy as np
H, xedges, yedges = np.histogram2d(x,y,bins=200,weights=d)

直方图H表示沿视线的密度之和（在本例中为z轴）。考虑到我正在使用非常大的数组，这非常快速和简单。

现在我想更进一步，而不是沿着视线绘制密度的总和，我希望得到每个2D箱中密度的最大值。我编写了可能的解决方案：

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])

然而，对于庞大的数据集，最后一行中的循环可能非常慢。关于如何让它更快的任何想法？

Answer 1

我会这样做，对不起，我现在没有时间编写代码：

使用numpy.ravel_multi_index将2d问题转变为1d问题。
看一下numpy.unique的实现，你想做类似的事情来获取唯一的bin值，但是你想以这样的方式做到这一点，这样它也会给你最小值/最大值同时d。 numpy.lexsort也可能对此有所帮助。
要回到2d空间，它应该像img2.flat[uniq_1d_bin_value] = bin_max

我希望这足以让你入门。如果您遇到问题，可以发布您的代码并告诉我们您遇到的问题，也许我或其他人可以帮助您重新走上正确的道路。

如何在python中获得2D直方图的每个bin中的最大值

1 个答案: