Question

我正在尝试从直方图中制作缩放的散点图。散点图相当简单，制作直方图，找到bin中心，散点图。

nbins=7
# Some example data
A = np.random.randint(0, 10, 100) 
B = np.random.rand(100)

counts, binEdges=np.histogram(A,bins=nbins)
bincenters = 0.5*(binEdges[1:]+binEdges[:-1])

fig = plt.figure(figsize=(7,5))
ax = fig.add_subplot(111)
ax.scatter(bincenters,counts,c='k', marker='.')
ax_setup(ax, 'X', 'Y')
plt.show()

但我希望A的每个元素只为其bin提供一个缩放值，该缩放值存储在B中。（即，不是每个bin都是来自A的bin的元素数，我希望每个bin都是来自B的对应值的总和）

为此，我尝试创建一个列表C（与A相同的长度，B），为A的每个元素分配了bin号，然后将来自B的所有值汇总到同一个bin中。我认为numpy.searchsorted()就是我所需要的，例如，

C = bincenters.searchsorted(A, 'right')

但是这不能正确分配，并且似乎没有返回正确数量的分档。

那么，如何创建一个列表，告诉我数据的每个元素都进入哪个直方图bin？

Answer 1

你写

但是我希望A的每个元素只为它的bin提供一个缩放值，该缩放值存储在B中。（即不是每个bin是该bin中A的元素计数，我希望每个bin都是是来自B）
的相应值的总和

IIUC，numpy.histogram已通过weights参数支持此功能：

一系列重量，形状与a相同。 a中的每个值仅将其相关权重贡献给bin计数（而不是1）。如果normed为True，则权重被归一化，因此密度在整个范围内的积分保持为1。

所以，对于你的情况，它只是

counts, binEdges=np.histogram(A, bins=nbins, weights=B)

另一点：如果你的意图是绘制直方图，请注意你可以直接使用matplotlib.pyplot的效用函数（也需要weights）：

from matplotlib import pyplot as plt
plt.hist(A, bins=nbins, weights=B);

最后，如果您打算获取分配给分档，那么这正是numpy.digitize所做的：

nbins=7
# Some example data
A = np.random.randint(0, 10, 10) 
B = np.random.rand(10)

counts, binEdges=np.histogram(A,bins=nbins)
>>> binEdges, np.digitize(A, binEdges)
array([ 0.        ,  1.28571429,  2.57142857,  3.85714286,  5.14285714,
    6.42857143,  7.71428571,  9.        ])

哪个列表元素进入哪个直方图箱？

1 个答案: