Question

我正在尝试将numpy数组重新绑定到新网格上。在这种特殊情况下，我试图将功率谱重新划分为对数网格，以便数据以对数方式均匀分布以用于绘图目的。

使用np.interp进行直线插值时，会导致部分原始数据被完全忽略。使用digitize得到我想要的结果，但是我必须使用一些丑陋的循环才能使它工作：

xfreq = np.fft.fftfreq(100)[1:50] # only positive, nonzero freqs
psw = np.arange(xfreq.size) # dummy array for MWE

# new logarithmic grid
logfreq = np.logspace(np.log10(np.min(xfreq)), np.log10(np.max(xfreq)), 100)

inds = np.digitize(xfreq,logfreq)

# interpolation: ignores data *but* populates all points
logpsw  = np.interp(logfreq, xfreq, psw)
# so average down where available...
logpsw[np.unique(inds)] = [psw[inds==i].mean() for i in np.unique(inds)]

# the new plot
loglog(logfreq, logpsw, linewidth=0.5, color='k')

有没有更好的方法来实现这个numpy？我只是更换内联循环步骤而感到满意。

Answer 1

您可以使用bincount()两次来计算每个分档的平均值：

logpsw2  = np.interp(logfreq, xfreq, psw)
counts = np.bincount(inds)
mask = counts != 0
logpsw2[mask] = np.bincount(inds, psw)[mask] / counts[mask]

或两次使用unique(inds, return_inverse=True)和bincount()：

logpsw4  = np.interp(logfreq, xfreq, psw)
uinds, inv_index = np.unique(inds, return_inverse=True)
logpsw4[uinds] = np.bincount(inv_index, psw) / np.bincount(inv_index)

或者如果您使用Pandas：

import pandas as pd
logpsw4  = np.interp(logfreq, xfreq, psw)
s = pd.groupby(pd.Series(psw), inds).mean()
logpsw4[s.index] = s.values

Numpy：通过求平均值？

1 个答案: