我有一组数据,想做一个直方图。我需要容器具有相同的大小,我的意思是它们必须包含相同数量的对象,而不是更常见的(numpy.histogram)具有等距容器的问题。
这将自然地在费用的箱子宽度,这可以-和一般将-是不同的。
我将指定所需的箱子数量和数据集,作为回报获取箱子边缘。Example:
data = numpy.array([1., 1.2, 1.3, 2.0, 2.1, 2.12])
bins_edges = somefunc(data, nbins=3)
print(bins_edges)
>> [1.,1.3,2.1,2.12]
因此,这些箱子都包含2个点,但它们的宽度(0.3、0.8、0.02)不同。
有两个限制:
-如果一组数据是相同的,那么包含它们的bin可能会更大。
-如果有N个数据和M个存储箱被请求,则如果N%M不是0,则会有N/M个存储箱加上1个。
这段代码是我编写的一些基本代码,它对小数据集非常有用。如果我有10**9+点,想加快进程怎么办?1 import numpy as np
2
3 def def_equbin(in_distr, binsize=None, bin_num=None):
4
5 try:
6
7 distr_size = len(in_distr)
8
9 bin_size = distr_size / bin_num
10 odd_bin_size = distr_size % bin_num
11
12 args = in_distr.argsort()
13
14 hist = np.zeros((bin_num, bin_size))
15
16 for i in range(bin_num):
17 hist[i, :] = in_distr[args[i * bin_size: (i + 1) * bin_size]]
18
19 if odd_bin_size == 0:
20 odd_bin = None
21 bins_limits = np.arange(bin_num) * bin_size
22 bins_limits = args[bins_limits]
23 bins_limits = np.concatenate((in_distr[bins_limits],
24 [in_distr[args[-1]]]))
25 else:
26 odd_bin = in_distr[args[bin_num * bin_size:]]
27 bins_limits = np.arange(bin_num + 1) * bin_size
28 bins_limits = args[bins_limits]
29 bins_limits = in_distr[bins_limits]
30 bins_limits = np.concatenate((bins_limits, [in_distr[args[-1]]]))
31
32 return (hist, odd_bin, bins_limits)