python scipy stats_Python Scipy stats.binned_statistic_dd()用法及代码示例

stats.binned_statistic_dd(arr, values, statistic='mean', bins=10, range=None)函数为给定的二维数据计算合并的统计值。

它的工作原理类似于histogram2d。直方图功能使箱子计数为零。每个箱子中的点数；此函数计算每个仓的值的总和，均值，中位数，计数或其他统计量。

参数：

arr :[数组]直方图的数据作为(N，D)数组传递

values :[数组]要计算哪些统计信息。

statistics:统计以计算{平均值，计数，中位数，和，函数}。默认为平均值。

bins:[int或标量]如果bins是一个int，则它定义给定范围内的equal-width bins的数量(默认为10)。如果bin是序列，则它定义bin的边。

range:(浮动，浮动)箱子的上下范围，如果未提供，则范围为x.max()至x.min()。

Results:每个仓的统计值；箱边箱号。

代码1：

# stats.binned_statistic_dd() method

import numpy as np

from scipy import stats

x = np.ones(10)

y = np.ones(10)

print ("x:\n", x)

print ("\ny:\n", y)

print ("\nbinned_statistic_2d for count:",

stats.binned_statistic_dd([x, y], None, 'count', bins = 3))

输出：

x:

[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]

y:

[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]

binned_statistic_2d for count: BinnedStatisticddResult(statistic=array([[ 0., 0., 0.],

[ 0., 10., 0.],

[ 0., 0., 0.]]), bin_edges=[array([0.5, 0.83333333, 1.16666667, 1.5 ]),

array([0.5, 0.83333333, 1.16666667, 1.5 ])],

binnumber=array([12, 12, 12, 12, 12, 12, 12, 12, 12, 12], dtype=int64))

代码2：

# importing libraries

import numpy as np

from scipy import stats

# using np.ones for x and y

x = np.ones(10)

y = np.ones(10)

# Using binned_statistic_dd

print ("\nbinned_statistic_2d for count:",

stats.binned_statistic_dd([x, y], None,

'count', bins=3, range=[[2,3],[0,0.5]]))

输出：

binned_statistic_2d for count: BinnedStatisticddResult(statistic=array([[0., 0., 0.],

[0., 0., 0.],

[0., 0., 0.]]), bin_edges=[array([2., 2.33333333, 2.66666667, 3. ]),

array([0., 0.16666667, 0.33333333, 0.5 ])],

binnumber=array([4, 4, 4, 4, 4, 4, 4, 4, 4, 4], dtype=int64))