Cómo serie bin de valores flotantes en histograma en Python?

Question

he puesto de valor en flotador (siempre menor que 0). ¿Qué quiero compartimento dentro de histograma, es decir. cada barra en histograma contiene gama de valor [0,0.150)

Los datos que tengo es el siguiente:

0.000
0.005
0.124
0.000
0.004
0.000
0.111
0.112

Poco Con mi código de abajo espero obtener el resultado que se parece a

[0, 0.005) 5
[0.005, 0.011) 0
...etc.. 

He intentado hacer hacer tales hurgar en la basura con el código de la mía. Pero no parece funcionar. Cuál es la forma correcta de hacerlo?

#! /usr/bin/env python


import fileinput, math

log2 = math.log(2)

def getBin(x):
    return int(math.log(x+1)/log2)

diffCounts = [0] * 5

for line in fileinput.input():
    words = line.split()
    diff = float(words[0]) * 1000;

    diffCounts[ str(getBin(diff)) ] += 1

maxdiff = [i for i, c in enumerate(diffCounts) if c > 0][-1]
print maxdiff
maxBin = max(maxdiff)


for i in range(maxBin+1):
     lo = 2**i - 1
     hi = 2**(i+1) - 1
     binStr = '[' + str(lo) + ',' + str(hi) + ')'
     print binStr + '\t' + '\t'.join(map(str, (diffCounts[i])))

~

Answer 1

Cuando es posible, no reinventar la rueda. NumPy tiene todo lo que necesita:

#!/usr/bin/env python
import numpy as np

a = np.fromfile(open('file', 'r'), sep='\n')
# [ 0.     0.005  0.124  0.     0.004  0.     0.111  0.112]

# You can set arbitrary bin edges:
bins = [0, 0.150]
hist, bin_edges = np.histogram(a, bins=bins)
# hist: [8]
# bin_edges: [ 0.    0.15]

# Or, if bin is an integer, you can set the number of bins:
bins = 4
hist, bin_edges = np.histogram(a, bins=bins)
# hist: [5 0 0 3]
# bin_edges: [ 0.     0.031  0.062  0.093  0.124]

Answer 2

from pylab import *
data = []
inf = open('pulse_data.txt')
for line in inf:
    data.append(float(line))
inf.close()
#binning
B = 50
minv = min(data)
maxv = max(data)
bincounts = []
for i in range(B+1):
    bincounts.append(0)
for d in data:
    b = int((d - minv) / (maxv - minv) * B)
    bincounts[b] += 1
# plot histogram

plot(bincounts,'o')
show()

Answer 3

El primer error es:

Traceback (most recent call last):
  File "C:\foo\foo.py", line 17, in <module>
    diffCounts[ str(getBin(diff)) ] += 1
TypeError: list indices must be integers

¿Por qué estás convirtiendo un int a un str cuando se necesita un str? Arreglar eso, entonces tenemos:

Traceback (most recent call last):
  File "C:\foo\foo.py", line 17, in <module>
    diffCounts[ getBin(diff) ] += 1
IndexError: list index out of range

, ya que sólo ha hecho 5 cubos. No entiendo su esquema de bucketing, pero vamos a hacer que 50 cubos y ver lo que sucede:

6
Traceback (most recent call last):
  File "C:\foo\foo.py", line 21, in <module>
    maxBin = max(maxdiff)
TypeError: 'int' object is not iterable

maxdiff es un valor único de su lista de enteros, así que lo que está haciendo max aquí? Eliminarlo, ahora obtenemos:

6
Traceback (most recent call last):
  File "C:\foo\foo.py", line 28, in <module>
    print binStr + '\t' + '\t'.join(map(str, (diffCounts[i])))
TypeError: argument 2 to map() must support iteration

Efectivamente, estás usando un único valor como segundo argumento a map. Vamos a simplificar las dos últimas líneas de esto:

 binStr = '[' + str(lo) + ',' + str(hi) + ')'
 print binStr + '\t' + '\t'.join(map(str, (diffCounts[i])))

a esto:

 print "[%f, %f)\t%r" % (lo, hi, diffCounts[i])

Ahora se imprime:

6
[0.000000, 1.000000)    3
[1.000000, 3.000000)    0
[3.000000, 7.000000)    2
[7.000000, 15.000000)   0
[15.000000, 31.000000)  0
[31.000000, 63.000000)  0
[63.000000, 127.000000) 3

No estoy seguro de qué más hacer aquí, ya que no entiendo muy bien el bucketing usted está esperando para usar. Parece involucrar potencias binarias, pero no es dar sentido a mí ...