Question

我试图使用numpy.histogramdd生成两个2D直方图（我知道histogram2d，但我最终需要这个直尺到N维度）

两个直方图应该使用相同的范围，所以我在获得它们之前定义它。

问题在于我无法使用我的代码，使用不同的配置会出现ValueError: too many values to unpack或ValueError: sequence too large; must be smaller than 32错误。

这是MWE：

import numpy as np

def rand_data(N):
    return np.random.uniform(low=1., high=2000., size=(N,))

# Some random 2D data.
N = 100
P = [rand_data(N), rand_data(N)]
Q = [rand_data(N), rand_data(N)]

# Number of bins.
b = np.sqrt(len(P[0])) * 2

# Max and min values for x and y
x_min = np.sort(np.minimum(P[0], Q[0]))[0]
x_max = np.sort(np.minimum(P[0], Q[0]))[-1]
y_min = np.sort(np.minimum(P[1], Q[1]))[0]
y_max = np.sort(np.minimum(P[1], Q[1]))[-1]
# Range for the histograms.
rang = [np.linspace(x_min, x_max, b), np.linspace(y_min, y_max, b)]

# Histograms
d_1 = np.histogramdd(zip(*[P[0], P[1]]), range=rang)[0]
d_2 = np.histogramdd(zip(*[Q[0], Q[1]]), range=rang)[0]

我做错了什么？

Answer 1

以下代码应该适合您。有两个问题：bin的边缘传递给bins参数，而不传递给range参数。此外，传递元组列表似乎不起作用。如果将这些元组转换为numpy数组并传递数组，它应该按预期工作。

此代码适用于我：

import numpy as np

def rand_data(N):
    return np.random.uniform(low=1., high=2000., size=(N,))

# Some random 2D data.
N = 100
P = [rand_data(N), rand_data(N)]
Q = [rand_data(N), rand_data(N)]

# Number of bins.
b = np.sqrt(len(P[0])) * 2

# Max and min values for x and y
x_min = np.sort(np.minimum(P[0], Q[0]))[0]
x_max = np.sort(np.minimum(P[0], Q[0]))[-1]
y_min = np.sort(np.minimum(P[1], Q[1]))[0]
y_max = np.sort(np.minimum(P[1], Q[1]))[-1]
# Range for the histograms.
rang = [np.linspace(x_min, x_max, b), np.linspace(y_min, y_max, b)]

# Histograms
sample1 = np.array(list(zip(*[P[0], P[1]])))
sample2 = np.array(list(zip(*[Q[0], Q[1]])))
d_1 = np.histogramdd(sample1, bins=rang)[0]
d_2 = np.histogramdd(sample2, bins=rang)[0]

N维直方图与numpy

1 个答案: