Python SciPy stats.binned_statistic_dd用法及代码示例

本文简要介绍 python 语言中 scipy.stats.binned_statistic_dd 的用法。

用法:

scipy.stats.binned_statistic_dd(sample, values, statistic='mean', bins=10, range=None, expand_binnumbers=False, binned_statistic_result=None)#

计算一组数据的多维分箱统计量。

这是 histogramdd 函数的概括。直方图将空间划分为多个 bin，并返回每个 bin 中的点数。此函数允许计算每个 bin 内的值的总和、平均值、中位数或其他统计量。

参数 ：：

sample： array_like

直方图的数据作为长度为 D 的 N 个数组的序列或作为 (N,D) 数组传递。

values： (N,) 数组 或 (N,) 数组 列表

将根据其计算统计数据的数据。这必须与样本的形状相同，或者是一个序列列表——每个序列的形状都与样本相同。如果 values 是这样一个列表，则将独立计算每个值的统计信息。

statistic： 字符串或可调用，可选

要计算的统计数据(默认为‘mean’)。可用的统计数据如下：

• ‘mean’ : compute the mean of values for points within each bin. Empty bins will be represented by NaN.

• ‘median’ : compute the median of values for points within each bin. Empty bins will be represented by NaN.

• ‘count’ : compute the count of points within each bin. This is identical to an unweighted histogram. values array is not referenced.

• ‘sum’ : compute the sum of values for points within each bin. This is identical to a weighted histogram.

• ‘std’ : compute the standard deviation within each bin. This is implicitly calculated with ddof=0. If the number of values within a given bin is 0 or 1, the computed standard deviation value will be 0 for the bin.

• ‘min’ : compute the minimum of values for points within each bin. Empty bins will be represented by NaN.

• ‘max’ : compute the maximum of values for point within each bin. Empty bins will be represented by NaN.

• function : a user-defined function which takes a 1D array of values, and outputs a single numerical statistic. This function will be called on the values in each bin. Empty bins will be represented by function([]), or NaN if this returns an error.

bins： 序列或正整数，可选

bin 规范必须采用以下形式之一：

• A sequence of arrays describing the bin edges along each dimension.

• The number of bins for each dimension (nx, ny, … = bins).

• The number of bins for all dimensions (nx = ny = … = bins).

range： 顺序，可选

如果边没有在 bin 中明确给出，则使用一系列较低和较高的 bin 边。默认为每个维度的最小值和最大值。

expand_binnumbers： 布尔型，可选

‘False’(默认)：返回的二进制数是线性化 bin 索引的形状 (N,) 数组。 ‘True’：返回的二进制数将 ‘unraveled’ 转换为形状 (D,N) ndarray，其中每一行给出相应维度中的 bin 编号。见二进制数返回值，以及例子部分scipy.stats.binned_statistic_2d.

binned_statistic_result： binnedStatisticddResult

先前调用函数的结果，以便重新使用具有新值和/或不同统计信息的 bin 边和 bin 编号。要重复使用 bin 编号，expand_binnumbers 必须已设置为 False(默认值)

返回 ：：

statistic： ndarray，形状(nx1，nx2，nx3，…)

每个二维 bin 中所选统计数据的值。

bin_edges： ndarrays 列表

说明每个维度的 (nxi + 1) 个 bin 边的 D 数组列表。

binnumber： (N,) 整数数组或 (D,N) 整数数组

这会为样本的每个元素分配一个整数，该整数表示该观测值所在的 bin。表示取决于expand_binnumbers 参数。有关详细信息，请参阅注释。

注意：

Binedges：除了最后一个 (righthand-most) bin，所有的 bin 在每个维度上都是半开的。换句话说，如果箱子是[1, 2, 3, 4]，那么第一个 bin 是[1, 2)(包括1个，但不包括2个)和第二个[2, 3).然而，最后一个箱子是[3, 4]， 哪一个包括 4.

binnumber：这个返回的参数为 sample 的每个元素分配一个整数，表示它所属的 bin。表示取决于expand_binnumbers 参数。如果“False”(默认)：返回的 binnumber 是一个线性化索引的形状 (N,) 数组，将样本的每个元素映射到其对应的 bin(使用行优先排序)。如果“真”：返回的 binnumber 是一个形状 (D,N) ndarray，其中每一行分别表示每个维度的 bin 位置。在每个维度中，i 的 bin 数表示对应的值在 (bin_edges[D][i-1], bin_edges[D][i]) 之间，对于每个维度“D”。

例子：

>>> import numpy as np
>>> from scipy import stats
>>> import matplotlib.pyplot as plt
>>> from mpl_toolkits.mplot3d import Axes3D

以一个 600 (x, y) 坐标的数组为例。binned_statistic_dd可以处理更高维度的数组D.但是一个维度的情节D+1是必须的。

>>> mu = np.array([0., 1.])
>>> sigma = np.array([[1., -0.5],[-0.5, 1.5]])
>>> multinormal = stats.multivariate_normal(mu, sigma)
>>> data = multinormal.rvs(size=600, random_state=235412)
>>> data.shape
(600, 2)

创建 bin 并计算每个 bin 中有多少数组：

>>> N = 60
>>> x = np.linspace(-3, 3, N)
>>> y = np.linspace(-3, 4, N)
>>> ret = stats.binned_statistic_dd(data, np.arange(600), bins=[x, y],
...                                 statistic='count')
>>> bincounts = ret.statistic

设置条形的音量和位置：

>>> dx = x[1] - x[0]
>>> dy = y[1] - y[0]
>>> x, y = np.meshgrid(x[:-1]+dx/2, y[:-1]+dy/2)
>>> z = 0

>>> bincounts = bincounts.ravel()
>>> x = x.ravel()
>>> y = y.ravel()

>>> fig = plt.figure()
>>> ax = fig.add_subplot(111, projection='3d')
>>> with np.errstate(divide='ignore'):   # silence random axes3d warning
...     ax.bar3d(x, y, z, dx, dy, bincounts)

使用新值重用 bin 编号和 bin 边：

>>> ret2 = stats.binned_statistic_dd(data, -np.arange(600),
...                                  binned_statistic_result=ret,
...                                  statistic='mean')