将直方图功能扩展到重叠的箱子和具有任意间隙的箱子？

Question

是否有处理任何一般 bin 的直方图函数？

在我的神经科学应用程序中，我有两个一维数组：spikes 和 time_centers 以及一个参数 time_window。我的目标是输出名为 firing_rate 的数组，其大小与 time_centers 相同，定义为 firing_rate[i]=len(abs(spikes-time_centers[i])<time_window)，以便它计算每个 time_center bin 附近的尖峰数宽度区间 time_window.

我很快起草了一个函数，但我有点担心性能，因为我需要处理非常大量的尖峰序列。

def fr(spikes,time_bins,time_window):
    rate=np.zeros(time_bins.size)
    for i,t in enumerate(time_bins):
        rate[i]= sum(np.abs(spikes-t)<time_window)
    return rate

是否可以利用 spikes 数组已排序的事实？即使我使用相同大小 (time_window) 的箱子，我的箱子也可能重叠，或者箱子之间可能存在可变间隙。

通常 spikes 包含 ~ 1000 个元素，time_centers ~ 50 个 bin，我需要为每个会话计算 30000 个神经元。

Answer 1

我们可以使用np.searchsorted-

的排序性质

idx1 = np.searchsorted(spikes,time_bins-time_window,'right')
idx2 = np.searchsorted(spikes,time_bins+time_window,'left')
rate = idx2-idx1

或者，time_bins 的一个 searchsorted 在 spikes -

的范围内

T = np.r_[time_bins-time_window,time_bins+time_window]
n = len(time_bins)
idxx = np.searchsorted(spikes,T,'left')
idx1 = idxx[:n] + (time_bins-spikes[idxx[:n]]>=time_window)
idx2 = idxx[n:]

Answer 2

你可以利用广播：

def fr(spikes, time_bins, time_window):
    spikes = spikes.reshape((-1, 1))
    time_bins = time_bins.reshape((1, -1))
    rate = np.sum(np.abs(spikes - time_bins) < time_window, axis=0)
    return rate

将直方图功能扩展到重叠的箱子和具有任意间隙的箱子？

Extending histogram function to overlapping bins and bins with arbitrary gap?

python

numpy

neuroscience