在numpy中沿一个轴对数据进行分箱答案

【问题标题】：Binning of data along one axis in numpy在numpy中沿一个轴对数据进行分箱
【发布时间】：2017-02-22 09:47:25
【问题描述】：

我有一个大型二维数组arr，我想使用 numpy 在第二个轴上装箱。因为np.histogram 将我当前使用的 for 循环的数组展平：

import numpy as np

arr = np.random.randn(100, 100)

nbins = 10
binned = np.empty((arr.shape[0], nbins))

for i in range(arr.shape[0]):
    binned[i,:] = np.histogram(arr[i,:], bins=nbins)[0]

我觉得在 numpy 中应该有一种更直接、更有效的方法来做到这一点，但我没有找到。

【问题讨论】：

标签： python numpy histogram binning

【解决方案1】：

我对 Ami 解决方案中的 lambda 有点困惑，所以我将其展开以显示它在做什么：

def hist_1d(a):
    return np.histogram(a, bins=bins)[0]

counts = np.apply_along_axis(hist_1d, axis=1, arr=x)

【讨论】：

【解决方案2】：

您必须使用专门针对您的问题的numpy.histogramdd

【讨论】：

我不太明白怎么做。我的理解是histogramdd 是为创建多维直方图而构建的，但我想获得几个一维直方图。

【解决方案3】：

你可以使用np.apply_along_axis:

x = np.array([range(20), range(1, 21), range(2, 22)])

nbins = 2
>>> np.apply_along_axis(lambda a: np.histogram(a, bins=nbins)[0], 1, x)
array([[10, 10],
       [10, 10],
       [10, 10]])

主要优点（如果有的话）是它稍微短一些，但我不希望有太多的性能提升。在组装每行结果时，它的效率可能会稍微高一些。

【讨论】：

只是指出使用lambda a: 和[0] 而不仅仅是np.apply_along_axis(np.histogram, axis=1, arr=x, bins=bins) 的原因是因为np.histogram 返回两个输出，hist 和bin_edges，在这里我们只想要hist。