如何在 numpy 中对二维数组进行 bin 处理？

Question

我是 numpy 的新手，我有一个 2D 对象数组，我需要将它们分箱到一个较小的矩阵中，然后计算每个箱中的对象数量以制作热图。我按照答案on this thread 创建了 bin 并计算了一个简单数组的计数，但我不确定如何将其扩展到二维。到目前为止，这是我所拥有的：

data_matrix = numpy.ndarray((500,500),dtype=float)
# fill array with values.

bins = numpy.linspace(0,50,50)
digitized = numpy.digitize(data_matrix, bins)

binned_data = numpy.ndarray((50,50))
for i in range(0,len(bins)):
    for j in range(0,len(bins)):
        k = len(data_matrix[digitized == i:digitized == j]) # <-not does not work
        binned_data[i:j] = k

附：数组上的[digitized == i] 表示法将返回二进制值数组。我在任何地方都找不到有关此表示法的文档。链接将不胜感激。

Answer 1

另一个解决方案是在这里查看 cmets 上的 binArray 函数： Binning a numpy array

使用您的示例：

data_matrix = numpy.ndarray((500,500),dtype=float)
binned_data = binArray(data_matrix, 0, 10, 10, np.sum)
binned_data = binArray(binned_data, 1, 10, 10, np.sum)

将data_matrix（大小为 500x500）中所有大小为 10x10 的正方形相加，得到 binned_data（大小为 50x50）中每个正方形的单个值。

希望有帮助！

Answer 2

您可以将数组重新整形为反映所需块结构的四维数组，然后沿每个块内的两个轴求和。示例：

>>> a = np.arange(24).reshape(4, 6)
>>> a
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23]])
>>> a.reshape(2, 2, 2, 3).sum(3).sum(1)
array([[ 24,  42],
       [ 96, 114]])

如果a 的形状为m, n，则reshape 的形状应为

a.reshape(m_bins, m // m_bins, n_bins, n // n_bins)

Answer 3

起初I was also going to suggest 认为您使用np.histogram2d 而不是重新发明轮子，但后来我意识到使用它会有点矫枉过正，并且仍然需要一些黑客攻击。

如果我理解正确，您只想对输入的子矩阵求和。这很容易暴力破解：检查您的输出子矩阵并总结您输入的每个子块：

import numpy as np

def submatsum(data,n,m):
    # return a matrix of shape (n,m)
    bs = data.shape[0]//n,data.shape[1]//m  # blocksize averaged over
    return np.reshape(np.array([np.sum(data[k1*bs[0]:(k1+1)*bs[0],k2*bs[1]:(k2+1)*bs[1]]) for k1 in range(n) for k2 in range(m)]),(n,m))

# set up dummy data
N,M = 4,6
data_matrix = np.reshape(np.arange(N*M),(N,M))

# set up size of 2x3-reduced matrix, assume congruity
n,m = N//2,M//3
reduced_matrix = submatsum(data_matrix,n,m)

# check output
print(data_matrix)
print(reduced_matrix)

打印出来

print(data_matrix)
[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]]

print(reduced_matrix)
[[ 24  42]
 [ 96 114]]

这确实是对形状为(2,3)的子矩阵求和的结果。

请注意，我使用// 进行整数除法以确保它与python3 兼容，但对于python2，您可以只使用/ 进行除法（因为所涉及的数字是整数）。