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。直方图函数使箱子计数为零。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:(浮点数，浮点数)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))