多维数组上的Numpy直方图

ou6hu8tu 于 2023-04-06 发布在其他

关注(0)|答案(2)|浏览(100)

给定一个np.数组的形状(n_days, n_lat, n_lon)，我想计算一个直方图与固定箱为每个lat-lon细胞（即每日值的分布）。
解决这个问题的一个简单方法是遍历单元格，并为每个单元格调用np.histogram：：

bins = np.linspace(0, 1.0, 10)
B = np.rand(n_days, n_lat, n_lon)
H = np.zeros((n_bins, n_lat, n_lon), dtype=np.int32)
for lat in range(n_lat):
    for lon in range(n_lon):
        H[:, lat, lon] = np.histogram(A[:, lat, lon], bins=bins)[0]
# note: code not tested

但是这是相当慢的。有没有更有效的不涉及循环的解决方案？
我查看了np.searchsorted以获取B中每个值的bin索引，然后使用花哨的索引更新H：：

bin_indices = bins.searchsorted(B)
H[bin_indices.ravel(), idx[0], idx[1]] += 1  # where idx is a index grid given by np.indices
# note: code not tested

但这并不起作用，因为原地加法运算符（+=）似乎不支持同一单元格的多次更新。
thx彼得

numpy

来源：https://stackoverflow.com/questions/18851471/numpy-histogram-on-multi-dimensional-array

2条答案

按热度按时间

z9zf31ra1#

您可以使用numpy.apply_along_axis()来消除循环。

import numpy as np

hist, bin_edges = np.apply_along_axis(lambda x: np.histogram(x, bins=bins), 0, B)

赞(0）回复(0）举报 2023-04-06

e5nszbig2#

也许这能起作用：

import numpy as np
n_days=31
n_lat=10
n_lon=10
n_bins=10
bins = np.linspace(0, 1.0, n_bins)
B = np.random.rand(n_days, n_lat, n_lon)

# flatten to 1D
C=np.reshape(B,n_days*n_lat*n_lon)
# use digitize to get the index of the bin to which the numbers belong
D=np.digitize(C,bins)-1
# reshape the results back to the original shape
result=np.reshape(D,(n_days, n_lat, n_lon))

赞(0）回复(0）举报 2023-04-06

我来回答

多维数组上的Numpy直方图

2条答案

相关问题

热门标签

最新问答