Como série bin de valores float em histograma em Python?
-
19-09-2019 - |
Pergunta
Eu tenho um conjunto de valor float (sempre inferior a 0). Que eu quero bin em histograma, i, e. cada barra no histograma conter gama de valor [0,0.150)
Os dados que eu tenho esta aparência:
0.000
0.005
0.124
0.000
0.004
0.000
0.111
0.112
Whith meu código abaixo eu esperar para obter resultado que se parece com
[0, 0.005) 5
[0.005, 0.011) 0
...etc..
Eu tentei fazer fazer tais binning com este código da mina. Mas não parece trabalho. Qual é o caminho certo para fazê-lo?
#! /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])))
~
Solução
Quando possível, não reinventar a roda. NumPy tem tudo que você precisa:
#!/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]
Outras dicas
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()
O primeiro erro é:
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 que você está convertendo um int para um str quando um str é necessário? Corrigir isso, então temos:
Traceback (most recent call last):
File "C:\foo\foo.py", line 17, in <module>
diffCounts[ getBin(diff) ] += 1
IndexError: list index out of range
porque você feitas apenas 5 baldes. Eu não entendo o seu esquema de bucketing, mas vamos fazê-lo 50 baldes e ver o que acontece:
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
é um valor único para fora de sua lista de ints, então o que é max
fazendo aqui? Removê-lo, agora temos:
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
Com certeza, você está usando um único valor como o segundo argumento para map
. Vamos simplificar as duas últimas linhas a partir deste:
binStr = '[' + str(lo) + ',' + str(hi) + ')'
print binStr + '\t' + '\t'.join(map(str, (diffCounts[i])))
a esta:
print "[%f, %f)\t%r" % (lo, hi, diffCounts[i])
Agora ela 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
Eu não tenho certeza o que fazer aqui, desde que eu realmente não entendo o bucketing você está esperando para uso. Ele parece envolver poderes binários, mas não está fazendo sentido para mim ...