带条件范围的行计数

Question

这是我第一次发布问题，所以如果我输入的尝试有误，请原谅我。

我的目标： 我正在尝试计算满足条件范围的行数。各个数组元素表示峰值出现的时间（以秒为单位）。输入数据中的每一行代表一个 active/firing 单元格。我想计算每分钟（60 秒的迭代）活动单元格（行）的数量。

我的数据： 我的输入数据 (T) 是作为整数数组从 txt 导入的，并且有几个我不想在其他操作中计算的 0。我在下面复制了该数据的一个子集。

我的问题：我的具体问题是我没有发现我的尝试有任何问题（如下），但由于数组相当小，我能够手动检查输出的真实性。无论出于何种原因，True 参数从 'correct' 迭代开始，但随后保持为 True（当它们应该 return false 时）直到循环中出现另一个 True。然后输出仍然是 'correctly' false。这让我发疯，我将不胜感激任何帮助。以下尝试甚至不尝试对行求和，而只是 return True/False 参数的正确排列。

import numpy as np

T = T.astype(float)
T[T==0] = np.nan
for x in xrange(0, 1321, 60):
    RowSum = np.any(T>x, axis = 1) & np.any(T<x+60, axis = 1)
    print RowSum

输入数据：

array([[  111.,   184.,   221.,   344.,   366.,     0.,     0.,     0.,
0.,     0.,     0.],
[  408.,   518.,   972.,  1165.,  1186.,     0.,     0.,     0.,
0.,     0.,     0.],
[  208.,   432.,  1290.,  1321.,     0.,     0.,     0.,     0.,
0.,     0.,     0.],
[  553.,   684.,   713.,   888.,  1012.,  1108.,  1134.,     0.,
0.,     0.,     0.],
[  285.,   552.,  1159.,  1183.,     0.,     0.,     0.,     0.,
0.,     0.,     0.],
[  304.,   812.,   852.,     0.,     0.,     0.,     0.,     0.,
0.,     0.,     0.]])

Answer 1

E 先生是对的 - np.histogram 可能是最简单的方法：

import numpy as np

# array of spike times
t = np.array([[ 111,  184,  221,  344,  366,    0,    0,    0,    0,    0,    0],
              [ 408,  518,  972, 1165, 1186,    0,    0,    0,    0,    0,    0],
              [ 208,  432, 1290, 1321,    0,    0,    0,    0,    0,    0,    0],
              [ 553,  684,  713,  888, 1012, 1108, 1134,    0,    0,    0,    0],
              [ 285,  552, 1159, 1183,    0,    0,    0,    0,    0,    0,    0],
              [ 304,  812,  852,    0,    0,    0,    0,    0,    0,    0,    0]],
              dtype=np.float)

# 60 second time bins
bins = np.arange(0, t.max() + 60, 60)

# get the total number of spikes in each 60 second bin over all rows (cells). we 
# can treat t as 1D since we don't care which spike times correspond to which
# cell.
counts, edges = np.histogram(t[t != 0], bins)

print(bins)
# [    0.    60.   120.   180.   240.   300.   360.   420.   480.   540.
#    600.   660.   720.   780.   840.   900.   960.  1020.  1080.  1140.
#   1200.  1260.  1320.  1380.]

print(counts)
# [0 1 0 3 1 2 2 1 1 2 0 2 0 1 2 0 2 0 2 4 0 1 1]

所以我们在 0 到 60 秒之间的总尖峰为零，在 60 到 120 秒之间有一个尖峰等等。顺便说一下，我建议您避免使用 T 作为变量名 - 它可能会导致混淆，因为在 numpy 中 .T 用于获取数组的转置。

要获得每个细胞的尖峰计数，您需要遍历 t:

的行

cell_counts = np.empty((t.shape[0], bins.shape[0] - 1), np.int)
for ii, row in enumerate(t):
    cell_counts[ii], edges = np.histogram(row[row != 0], bins)

print(cell_counts)
# [[0 1 0 2 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
#  [0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 1 0 0 2 0 0 0]
#  [0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1]
#  [0 0 0 0 0 0 0 0 0 1 0 2 0 0 1 0 1 0 2 0 0 0 0]
#  [0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 2 0 0 0]
#  [0 0 0 0 0 1 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0]]

更新：

如果我没理解错的话，您想知道每 60 秒时间间隔内出现尖峰的细胞总数，而不考虑每个细胞发出的尖峰数。一种简单的方法是将 cell_counts 数组中的值截断为 1，然后沿行求和：

total_active_cells = (cell_counts > 0).sum(0)

print(total_active_cells)
# [0 1 0 2 1 2 2 1 1 2 0 1 0 1 2 0 2 0 1 2 0 1 1]

带条件范围的行计数

Row counting with conditional range

python

numpy

rows

count

conditional-statements

更新：