问题:使用scipy / numpy在python中合并数据
有没有更有效的方法来对预先指定的bin中的数组取平均值?例如,我有一个数字数组以及一个与该数组中bin的开始和结束位置相对应的数组,我只想取这些bin中的均值?我下面有执行此操作的代码,但我想知道如何减少和改进它。谢谢。
from scipy import *
from numpy import *
def get_bin_mean(a, b_start, b_end):
ind_upper = nonzero(a >= b_start)[0]
a_upper = a[ind_upper]
a_range = a_upper[nonzero(a_upper < b_end)[0]]
mean_val = mean(a_range)
return mean_val
data = rand(100)
bins = linspace(0, 1, 10)
binned_data = []
n = 0
for n in range(0, len(bins)-1):
b_start = bins[n]
b_end = bins[n+1]
binned_data.append(get_bin_mean(data, b_start, b_end))
print binned_data
回答 0
它可能更快,更容易使用numpy.digitize()
:
import numpy
data = numpy.random.random(100)
bins = numpy.linspace(0, 1, 10)
digitized = numpy.digitize(data, bins)
bin_means = [data[digitized == i].mean() for i in range(1, len(bins))]
替代方法是使用numpy.histogram()
:
bin_means = (numpy.histogram(data, bins, weights=data)[0] /
numpy.histogram(data, bins)[0])
自己尝试哪个更快… :)
回答 1
Scipy(> = 0.11)函数scipy.stats.binned_statistic特别解决了上述问题。
对于与先前答案相同的示例,Scipy解决方案将是
import numpy as np
from scipy.stats import binned_statistic
data = np.random.rand(100)
bin_means = binned_statistic(data, data, bins=10, range=(0, 1))[0]
回答 2
不知道为什么这个线程坏掉了;但是这是2014年批准的答案,应该更快一些:
import numpy as np
data = np.random.rand(100)
bins = 10
slices = np.linspace(0, 100, bins+1, True).astype(np.int)
counts = np.diff(slices)
mean = np.add.reduceat(data, slices[:-1]) / counts
print mean
回答 3
该numpy_indexed包(免责声明:我是它的作者)包含的功能有效地执行这种类型的操作:
import numpy_indexed as npi
print(npi.group_by(np.digitize(data, bins)).mean(data))
这基本上与我之前发布的解决方案相同;但现在包装在一个不错的界面中,包括测试和所有功能:)
回答 4
我将添加并回答这个问题,即使用histogram2d python查找均值bin值,即scipy也具有专门设计用于计算一个或多个数据集的二维合并统计量的功能
import numpy as np
from scipy.stats import binned_statistic_2d
x = np.random.rand(100)
y = np.random.rand(100)
values = np.random.rand(100)
bin_means = binned_statistic_2d(x, y, values, bins=10).statistic
函数scipy.stats.binned_statistic_dd是此函数对更高维度数据集的概括
回答 5
另一种选择是使用ufunc.at。此方法在指定索引处就地应用所需的操作。我们可以使用searchsorted方法获取每个数据点的bin位置。然后,每次在bin_indexes遇到索引时,我们就可以使用at将bin_indexes给定的索引处的直方图位置增加1。
np.random.seed(1)
data = np.random.random(100) * 100
bins = np.linspace(0, 100, 10)
histogram = np.zeros_like(bins)
bin_indexes = np.searchsorted(bins, data)
np.add.at(histogram, bin_indexes, 1)