scipy.stats.

binned_statistic_dd#

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

计算数据集的多维分箱统计。

这是 histogramdd 函数的推广。直方图将空间划分为箱,并返回每个箱中点的数量的计数。此函数允许计算每个箱中值的总和、平均值、中值或其他统计量。

参数:
sample类数组

要进行直方图的数据,以长度为 D 的 N 个数组的序列或 (N,D) 数组的形式传递。

values(N,) 类数组 或 (N,) 类数组的列表

将计算统计量的数据。它必须与 sample 的形状相同,或者是一个序列列表 - 每个序列的形状与 sample 相同。如果 values 是这样的列表,则将独立计算每个列表的统计量。

statistic字符串或可调用对象,可选

要计算的统计量(默认为“mean”)。以下统计量可用

  • ‘mean’ : 计算每个箱内点的平均值。空箱将表示为 NaN。

  • ‘median’ : 计算每个箱内点的中值。空箱将表示为 NaN。

  • ‘count’ : 计算每个箱内点的计数。这与未加权直方图相同。values 数组未被引用。

  • ‘sum’ : 计算每个箱内点的总和。这与加权直方图相同。

  • ‘std’ : 计算每个箱内的标准差。这是用 ddof=0 隐式计算的。如果给定箱中的值的数量为 0 或 1,则计算出的标准差值对于该箱将为 0。

  • ‘min’ : 计算每个箱内点的最小值。空箱将表示为 NaN。

  • ‘max’ : 计算每个箱内点的最大值。空箱将表示为 NaN。

  • function : 一个用户定义的函数,它接受一个一维的值数组,并输出一个单一的数值统计量。将在每个箱中的值上调用此函数。空箱将表示为 function([]),如果这返回一个错误,则表示为 NaN。

bins序列或正整数,可选

bin 规范必须采用以下形式之一

  • 描述每个维度上的 bin 边缘的数组序列。

  • 每个维度的 bin 数量(nx, ny, … = bins)。

  • 所有维度的 bin 数量(nx = ny = … = bins)。

range序列,可选

如果没有在 bins 中显式给出边缘,则使用下限和上限 bin 边缘的序列。默认为每个维度上的最小值和最大值。

expand_binnumbersbool,可选

“False”(默认):返回的 binnumber 是一个形状为 (N,) 的线性化 bin 索引数组。“True”:返回的 binnumber 被“展开”为一个形状为 (D,N) 的 ndarray,其中每一行给出相应维度中的 bin 编号。请参阅返回的 binnumber 值,以及 binned_statistic_2d示例 部分。

binned_statistic_resultbinnedStatisticddResult

为了使用新值和/或不同统计量来重用 bin 边缘和 bin 编号,先前调用该函数的结果。要重用 bin 编号,expand_binnumbers 必须设置为 False(默认值)

0.17.0 版本中新增。

返回:
statisticndarray, shape(nx1, nx2, nx3,…)

每个二维 bin 中所选统计量的值。

bin_edgesndarray 列表

描述每个维度的 (nxi + 1) bin 边缘的 D 个数组的列表。

binnumber(N,) 整数数组或 (D,N) 整数ndarray

这会将 sample 的每个元素分配一个整数,该整数表示此观察值落入的 bin。表示形式取决于 expand_binnumbers 参数。有关详细信息,请参阅 Notes

说明

Binedges:除了最后一个(最右边的)bin 之外,每个维度中的 bin 都是半开的。换句话说,如果 bins[1, 2, 3, 4],那么第一个 bin 是 [1, 2) (包括 1,但不包括 2),第二个是 [2, 3)。但是,最后一个 bin 是 [3, 4],其中包括 4。

binnumber:这个返回的参数将 sample 的每个元素分配一个整数,该整数表示它所属的 bin。表示形式取决于 expand_binnumbers 参数。如果为“False”(默认值):返回的 binnumber 是一个形状为 (N,) 的数组,其中包含线性化索引,将 sample 的每个元素映射到其对应的 bin(使用行优先排序)。如果为“True”:返回的 binnumber 是一个形状为 (D,N) 的 ndarray,其中每一行分别指示每个维度的 bin 位置。在每个维度中,bin 编号为 i 表示相应的值位于 (bin_edges[D][i-1], bin_edges[D][i]) 之间,对于每个维度“D”。

0.11.0 版本中新增。

示例

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

以 600 个 (x, y) 坐标的数组为例。binned_statistic_dd 可以处理更高维度 D 的数组。但是需要一个维度为 D+1 的图。

>>> 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 中有多少个数组

>>> 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

设置体积和条形位置

>>> 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 边缘

>>> ret2 = stats.binned_statistic_dd(data, -np.arange(600),
...                                  binned_statistic_result=ret,
...                                  statistic='mean')
../../_images/scipy-stats-binned_statistic_dd-1.png