l'assegnazione di punti per bidoni

Question

Che cosa è un buon modo per valori numerici bin in un certo intervallo? Ad esempio, supponiamo di avere un elenco di valori e voglio loro bin in N cassonetti per la loro gamma. In questo momento, faccio qualcosa di simile:

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))

dove min_index restituisce l'indice del valore minimo. L'idea è che si può trovare il bidone il punto cade in vedendo ciò che bin ha la più piccola differenza con.

Ma penso che questo abbia i casi limite strani. Quello che sto cercando è una buona rappresentazione della cassonetti, idealmente quelli che sono chiusi mezza aperta la metà (in modo che non c'è modo di assegnare un punto a due cassonetti), cioè.

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

che cosa è un buon modo per fare questo in Python, utilizzando NumPy / SciPy? Mi preoccupa solo qui con la categorizzazione valori interi.

grazie molto per il vostro aiuto.

Answer 1

numpy.histogram() fa esattamente ciò che si desidera.

La firma funzione è:

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

Siamo per lo più interessati a a e bins. a sono i dati di ingresso che deve essere categorizzata. bins può essere un numero di contenitori (vostra num_bins), oppure può essere una sequenza di scalari, che denotano bordi Bin (semiaperta).

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

Per citare il documentazione :

  

Tutti tranne l'ultimo bidone (più a destra) è socchiusa. In altre parole, se bins è:

[1, 2, 3, 4]

     

allora il primo bidone è [1, 2) (di cui 1, esclusi 2) e la seconda [2, 3). L'ultimo bidone, però, è [3, 4], che include 4.

Modifica : Volete sapere l'indice i bidoni di ogni elemento. Per questo, è possibile utilizzare numpy.digitize(). Se i bidoni stanno per essere integrale, è possibile utilizzare numpy.bincount() pure.

>>> 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])

Poiché l'intervallo è aperta sul limite superiore, gli indici sono corretti:

>>> (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

Questo è abbastanza semplice in NumPy usando broadcasting - (. Senza contare prime due righe per creare cestini e punti dati, che naturalmente normalmente essere fornite) il mio esempio qui sotto è di quattro linee di codice

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' è una matrice 1d di indici costituiti da valori interi da 0 a 4, corrispondenti alle cinque bidoni -. Le assegnazioni bin per ciascuno dei 30 punti originali nella matrice 'dati' sopra