Python

Question

我有一个 z 点列表，与 x,y 对相关联，意思是例如

x     y                    z
3.1   5.2                  1.3    
4.2   2.3                  9.3
5.6   9.8                  3.5

等等。 z 值的总数比较高，在 10000 左右。我想在以下意义上对我的数据进行分类：

1) 我想将 x 和 y 值拆分到单元格中，以便在 x,y 中制作二维网格。如果我有 Nx 轴的 x 单元格和 y 轴的 Ny 单元格，然后我会在网格上有 Nx*Ny 个单元格。例如，x 的第一个 bin 范围从 1. 到 2.，第二个 bin 从 2. 到 3. 等等。

2) 对于二维网格中的每个单元格，我需要计算有多少点落入该单元格，然后将它们的所有 z 值相加。这为我提供了与每个单元格关联的数值。

我考虑过使用 scipy.stats 中的 binned_statistic，但我不知道如何设置选项来完成我的任务。有什么建议么？ binned_statistic 以外的其他工具也被广泛接受。

Answer 1

假设我理解，你可以通过利用 expand_binnumbers 参数获得你需要的 binned_statistic_2d , 因此.

from scipy.stats import binned_statistic_2d
import numpy as np

x = [0.1, 0.1, 0.1, 0.6]
y = [2.1, 2.6, 2.1, 2.1]
z = [2.,3.,5.,7.]
binx = [0.0, 0.5, 1.0]
biny = [2.0, 2.5, 3.0]

ret = binned_statistic_2d(x, y, None, 'count', bins=[binx,biny], \
    expand_binnumbers=True)

print (ret.statistic)

print (ret.binnumber)

sums = np.zeros([-1+len(binx), -1+len(biny)])

for i in range(len(x)):
    m = ret.binnumber [0][i] - 1
    n = ret.binnumber [1][i] - 1
    sums[m][n] += sums[m][n] + z[i]

print (sums)

这只是其中一个示例的扩展。这是输出。

[[ 2.  1.]
 [ 1.  0.]]
[[1 1 1 2]
 [1 2 1 1]]
[[ 9.  3.]
 [ 7.  0.]]

Answer 2

建立单元格的边缘，迭代单元格边缘并使用布尔索引提取每个单元格中的 z 值，将总和保存在列表中，转换列表并重塑它。

import itertools
import numpy as np
x = np.array([0.1, 0.1, 0.1, 0.6, 1.2, 2.1])
y = np.array([2.1, 2.6, 2.1, 2.1, 3.4, 4.7])
z = np.array([2., 3., 5., 7., 10, 20])


def pairwise(iterable):
    "s -> (s0,s1), (s1,s2), (s2, s3), ..."
    a, b = itertools.tee(iterable)
    next(b, None)
    return itertools.izip(a, b)

minx, maxx = int(min(x)), int(max(x)) + 1
miny, maxy = int(min(y)), int(max(y)) + 1

result = []
x_edges = pairwise(xrange(minx, maxx + 1))
for xleft, xright in x_edges:
    xmask = np.logical_and(x >= xleft, x < xright)
    y_edges = pairwise(xrange(miny, maxy + 1))
    for yleft, yright in y_edges:
        ymask = np.logical_and(y >= yleft, y < yright)
        cell = z[np.logical_and(xmask, ymask)]
        result.append(cell.sum())

result = np.array(result).reshape((maxx - minx, maxy - miny))


>>> result
array([[ 17.,   0.,   0.],
       [  0.,  10.,   0.],
       [  0.,   0.,  20.]])
>>>

不幸的是，没有 numpy 向量化魔法

Python - 在二维网格上合并 x、y、z 值

Python - Binning x,y,z values on a 2D grid

binning