如何计算一个 bin 中有多少数据点

Question

我已经设置了我的 bin 的参数，我想找到当数据点落在特定 bin 的范围内时如何向 bin 添加一个，基本上计算每个 bin 范围内有多少数据点，这样当我绘制它时，我可以将其用作“频率”。

我的垃圾箱范围由以下人员设置：

 bins = [(i*bin_width, (i+1)*bin_width) for i in range(num_bins)]

我的数据看起来像：

2.55619101399
2.55619101399
2.55619101399
3.615
4.42745271008
2.55619101399
2.55619101399
2.55619101399
4.42745271008
3.615
2.55619101399
4.42745271008
5.71581687075
5.71581687075
3.615
2.55619101399
2.55619101399
2.55619101399
2.55619101399
2.55619101399

Answer 1

由于您使用的是 NumPy，您 (a) 不应该尝试创建列表并循环它们而不是使用数组，并且 (b) 应该查看您想要做的事情是否已经内置（或在 SciPy 或 Pandas 或其他基于 NumPy 构建的库中可用），因为通常是这样。

而numpy.histogram 正是您想要的。

它需要一个总宽度而不是一个 bin 宽度，但除此之外，插入你已经拥有的值并取回你想要的值是微不足道的：

hist, edges = np.histogram(
    data_points,
    bins=num_bins,
    range=(0, bin_width*num_bins),
    density=False)

hist 数组将包含每个 bin 的计数（就像我的另一个答案中的 bin_counts），这是您想要后处理并最终绘制图表的内容。

edges，您可能需要也可能不需要。它与原始问题中的bins 信息相同，但格式不同——而不是[(0, .1), (.1, .2), (.2, .3)]，而是[0, .1, .2, .3]。

Answer 2

嗯，首先，您的每个 bins 只是该 bin 的开始值和结束值的元组，因此无法向其中添加任何内容。您可以将每个bin 更改为[start, stop, 0] 的列表，而不是(start, stop) 的元组，或者甚至更好的是一个对象。或者，您也可以保留一个单独的 bin_counts 列表，与 bins 列表平行，并在需要时将它们添加到 zip 上。

接下来，如果每个 bin 从i * bin_width 到(i+1) * bin_width，那么如何从数据值中获取i 值？这很简单：乘法的反义词是除法，所以它只是data_point // bin_width。

所以：

bin_counts = [0 for bin in bins]
for data_point in data_points:
    bin_number = data_point // bin_width
    bin_counts[bin_number] += 1

---

显示其他选项之一，因为我认为您是在 cmets 中询问的：

bins = [[i*bin_width, (i+1)*bin_width, 0] for i in range(num_bins)]
for data_point in data_points:
    bin_number = data_point // bin_width
    bins[bin_number][2] += 1

这里，每个 bin 是一个 [start, stop, count] 列表，而不是一个 (start, stop) bin 列表和一个单独的 count 值列表。

Answer 3

from collections import Counter

frequency_data = Counter()

    for d in data:
        new_bins = bins
        median = len(new_bins)/2
        while not new_bins[median][0] < d < new_bins[median][1]:
            if d < new_bins[median][0]:
                new_bins = new_bins[:median]
            elif d > new_bins[median][1]:
                new_bins = new_bins[median:]
            median = len(new_bins)/2
        frequency_data[new_bins[median]] += 1