Question

我在数组x，y和w中有数据，其中'x'和'y'表示位置，'w'是1或0的权重，表示成功或失败。我正在尝试创建一个二维直方图，其中直方图的每个二进制数基于该二进制位中的成功百分比着色（即，二进制中的成功数除以二进制位中的总点数）。我已经玩了numpy.histogram2d了很多，可以得到密度图，但这与我想要的成功方案的百分比不一样。请注意numpy.histogram2d参数中的normed = True并不能缓解这个问题。

（为了澄清差异，如果在箱子中有大量的成功，密度图表示大的'颜色值'，无论同一箱中有多少故障。我希望有百分比取而代之的是，因此同一个箱子中的大量故障会产生较小的“颜色值”。我为可怜的术语道歉。

非常感谢能够提供帮助的任何人！

当前代码的示例不符合我的目标：

import matplotlib.pyplot as plt
import numpy as np
plt.figure(1)
H, xedges, yedges = np.histogram2d(x, y, bins=50, weights=w, normed=True)
extent = [yedges[0], yedges[-1], xedges[-1], xedges[0]]
plt.imshow(H, extent=extent,interpolation='nearest')
plt.colorbar()
plt.show()

Answer 1

我很确定这是有效的，但你不提供数据，所以很难检查。 normed=True为您提供密度，如果您未通过normed=True，则会获得加权样本计数，因此，如果您将加权版本（实际上只是每箱的#successes）除以未加权（元素数量）在每个bin）中，你最终会获得％成功。

import matplotlib.pyplot as plt
import numpy as np
plt.figure(1)
H, xedges, yedges = np.histogram2d(x, y, bins=50, weights=w)
H2, _, _ = np.histogram2d(x,y, bins=50)
extent = [0,1, xedges[-1], xedges[0]]
plt.imshow(H/H2, extent=extent,interpolation='nearest')
plt.colorbar()
plt.show()

这可能会在最终的直方图中留下nan，因此您可能希望为这些情况做出决定。

每个bin的Python 2d直方图成功率

1 个答案: