平均值取决于相对于第二变量的分箱

Question

我正在使用python / numpy。作为输入数据，我有大量的值对(x,y)。我基本上想要绘制<y>(x)，即某个数据仓y的{​​{1}}的平均值。目前我使用普通的x循环来实现这一点，这非常慢。

for

是否有可能为它进行一种矢量化写作？

Answer 1

你不必要地使事情复杂化。您需要知道的是，对于x中的每个bin，n，sy和sy2，y中的x值的数量y 1}} bin，这些>>> n, _ = np.histogram(x, bins=xbins) >>> sy, _ = np.histogram(x, bins=xbins, weights=y) >>> sy2, _ = np.histogram(x, bins=xbins, weights=y*y) 值的总和，以及它们的平方和。你可以将它们作为：

>>> mean = sy / n
>>> std = np.sqrt(sy2/n - mean*mean)

从那些：

{{1}}

Answer 2

如果你可以使用熊猫：

import pandas as pd
xedges = np.linspace(x.min(), x.max(), xbins+1)
xedges[0] -= 0.00001
xedges[-1] += 0.000001
c = pd.cut(x, xedges)
g = pd.groupby(pd.Series(y), c.labels)
mean2 = g.mean()
std2 = g.std(0)