使用不同的权重创建堆叠的 2D 直方图答案

【问题标题】：Create a stacked 2D histogram using different weights使用不同的权重创建堆叠的 2D 直方图
【发布时间】：2013-06-21 13:50:14
【问题描述】：

假设我想建立在某个 bin 范围 nbin 上平滑的粒子数据直方图。现在我有 5 个具有不同质量粒子的数据集（每组 x,y 具有不同的质量）。通常，粒子位置的直方图是一个简单的情况（使用 numpy）：

heatmap, xedges, yedges = np.histogram2d(x, y, bins=nbin)
extent = [xedges[0], xedges[-1], yedges[0], yedges[-1]]
heatmap = np.flipud(np.rot90(heatmap))
ax.imshow(heatmap, extent=extent)

但是，如果我想添加下一批粒子，它们的质量不同，因此密度也会不同。有没有办法通过某个常数对直方图进行加权，这样绘制的热图将是密度的真实表示，而不仅仅是粒子总数的分箱？

我知道“权重”是一个特征，但它是否只是设置 weights = m_i 的情况，其中 m_i 是每个数据集 1-5 的粒子质量？

【问题讨论】：

是的，这应该可以解决问题。

标签： python numpy histogram

【解决方案1】：

weights 参数需要一个与x 和y 长度相同的数组。 np.histogram2d。它不会广播一个常数值，因此即使每次调用np.histogram2d 的质量相同，您仍然必须使用类似

weights=np.ones_like(x)*mass

现在，如果您使用 bin=nbin，您可能会遇到的一个问题是 bin 边缘 xedges、yedges 可能会根据您传递给 @987654333 的 x 和 y 的值而改变@。如果你天真地将热图添加在一起，最终的结果会在错误的地方累积粒子密度。

因此，如果您想多次调用 np.histogram2d 并将部分热图添加到一起，则必须提前确定您想要 bin 边缘的位置。

例如：

import numpy as np
import itertools as IT
import matplotlib.pyplot as plt
N = 50
nbin = 10

xs = [np.array([i,i,i+1,i+1]) for i in range(N)]
ys = [np.array([i,i+1,i,i+1]) for i in range(N)]
masses = np.arange(N)

heatmap = 0
xedges = np.linspace(0, N, nbin)
yedges = np.linspace(0, N, nbin)

for x, y, mass in IT.izip(xs, ys, masses):
    hist, xedges, yedges = np.histogram2d(
        x, y, bins=[xedges, yedges], weights=np.ones_like(x)*mass)
    heatmap += hist

extent = [xedges[0], xedges[-1], yedges[0], yedges[-1]]
heatmap = np.flipud(np.rot90(heatmap))
fig, ax = plt.subplots()
ax.imshow(heatmap, extent=extent, interpolation='nearest')
plt.show()

产量

【讨论】：