分配分仓

Question

什么是好办法仓数值成一定范围？例如，假设我有值的列表，并通过我自己的范围要斌他们到N个频点。现在，我做这样的事情：

from scipy import *
num_bins = 3 # number of bins to use
values = # some array of integers...
min_val = min(values) - 1
max_val = max(values) + 1
my_bins = linspace(min_val, max_val, num_bins)
# assign point to my bins
for v in values:
  best_bin = min_index(abs(my_bins - v))

其中min_index返回最小值的索引。这个想法是，你可以看到什么斌它与最小相差找到点落在扔进垃圾桶。

但我觉得这奇怪的边缘情况。我所寻找的是垃圾桶的良好表现，理想的人是半封闭半开放的（所以没有分配一个点两个块的方式），即。

bin1 = [x1, x2)
bin2 = [x2, x3)
bin3 = [x3, x4)
etc...

什么是一个好办法在Python做到这一点，使用numpy的/ SciPy的？我只用分档整数值在这里关注。

非常感谢您的帮助。

Answer 1

numpy.histogram()不正是你想要的。

函数签名是：

numpy.histogram(a, bins=10, range=None, normed=False, weights=None, new=None)

我们最感兴趣的a和bins。 a是需要被分级的输入数据。 bins可以是数字仓（您num_bins），或者它可以是标量的序列，其表示仓边缘（半开）。

import numpy
values = numpy.arange(10, dtype=int)
bins = numpy.arange(-1, 11)
freq, bins = numpy.histogram(values, bins)
# freq is now [0 1 1 1 1 1 1 1 1 1 1]
# bins is unchanged

要引用文档：

  

除了最后（右侧最）斌是半开。换句话说，如果bins是：

[1, 2, 3, 4]

     

，则第一二进制值是[1, 2)（包括1，但不包括2）和第二[2, 3)。最后仓，但是，是[3, 4]，其包括 4

修改的：你想知道你的每一个元素的箱索引。对于这一点，你可以使用numpy.digitize()。如果你的垃圾箱都将是不可或缺的，你可以使用numpy.bincount()为好。

>>> values = numpy.random.randint(0, 20, 10)
>>> values
array([17, 14,  9,  7,  6,  9, 19,  4,  2, 19])
>>> bins = numpy.linspace(-1, 21, 23)
>>> bins
array([ -1.,   0.,   1.,   2.,   3.,   4.,   5.,   6.,   7.,   8.,   9.,
        10.,  11.,  12.,  13.,  14.,  15.,  16.,  17.,  18.,  19.,  20.,
        21.])
>>> pos = numpy.digitize(values, bins)
>>> pos
array([19, 16, 11,  9,  8, 11, 21,  6,  4, 21])

由于间隔是在上限开，指数是正确的：

>>> (bins[pos-1] == values).all()
True
>>> import sys
>>> for n in range(len(values)):
...     sys.stdout.write("%g <= %g < %g\n"
...             %(bins[pos[n]-1], values[n], bins[pos[n]]))
17 <= 17 < 18
14 <= 14 < 15
9 <= 9 < 10
7 <= 7 < 8
6 <= 6 < 7
9 <= 9 < 10
19 <= 19 < 20
4 <= 4 < 5
2 <= 2 < 3
19 <= 19 < 20

Answer 2

这是在使用广播numpy的相当简单的 - （不包括前两行以创建二进制位和数据点，这将当然通常提供）下面我的例子是四行代码

import numpy as NP
# just creating 5 bins at random, each bin expressed as (x, y, z) although, this code
# is not limited by bin number or bin dimension
bins = NP.random.random_integers(10, 99, 15).reshape(5, 3) 
# creating 30 random data points
data = NP.random.random_integers(10, 99, 90).reshape(30, 3)
# for each data point i want the nearest bin, but before i can generate a distance
# matrix, i need to 'conform' the array dimensions
# 'broadcasting' is an excellent and concise way to do this
bins = bins[:, NP.newaxis, :]
data2 = data[NP.newaxis, :, :]
# now i can calculate the distance matrix
dist_matrix = NP.sqrt(NP.sum((data - bins)**2, axis=-1)) 
bin_assignments = NP.argmin(dist_matrix, axis=0)

“bin_assignments”是由整数值从0至4索引的一维数组，对应于五个bin - 仓分配用于每个30个原点的上方的“数据”矩阵