N维直方图与numpy答案

【问题标题】：Histogram in N dimensions with numpyN维直方图与numpy
【发布时间】：2014-11-07 11:38:58
【问题描述】：

我正在尝试使用 numpy.histogramdd 生成两个 2D 直方图（我知道 histogram2d，但我最终需要这个来实现 N 维的可扩展性）

两个直方图应该使用相同的范围，所以我在获取它们之前定义它。

问题是我无法让我的代码工作，我使用不同的配置得到ValueError: too many values to unpack 或ValueError: sequence too large; must be smaller than 32 错误。

这是 MWE：

import numpy as np

def rand_data(N):
    return np.random.uniform(low=1., high=2000., size=(N,))

# Some random 2D data.
N = 100
P = [rand_data(N), rand_data(N)]
Q = [rand_data(N), rand_data(N)]

# Number of bins.
b = np.sqrt(len(P[0])) * 2

# Max and min values for x and y
x_min = np.sort(np.minimum(P[0], Q[0]))[0]
x_max = np.sort(np.minimum(P[0], Q[0]))[-1]
y_min = np.sort(np.minimum(P[1], Q[1]))[0]
y_max = np.sort(np.minimum(P[1], Q[1]))[-1]
# Range for the histograms.
rang = [np.linspace(x_min, x_max, b), np.linspace(y_min, y_max, b)]

# Histograms
d_1 = np.histogramdd(zip(*[P[0], P[1]]), range=rang)[0]
d_2 = np.histogramdd(zip(*[Q[0], Q[1]]), range=rang)[0]

我做错了什么？

【问题讨论】：

我想知道为什么您首先要为 histogrammdd 输入构建这些元组。这就是文档对输入的看法：It must be an (N,D) array or data that can be converted to such.docs.scipy.org/doc/numpy/reference/generated/…
@cel 这是一个更大的代码的一部分，P 和Q 都被定义为每个包含两个元素的列表，因为这就是它们被赋予这个函数的方式。我已经阅读了文档并检查了输入数组的形状（zip(*[P[0], P[1]]) 和Q 相同）是(100, 2) (100, 2)。为什么这不正确？
转换成元组列表对我来说根本不起作用。但是，在调用 histogramdd 之前转换为 numpy 数组确实有效。第二件事是，您的范围代码。会不会是您混淆了 bins 和 range 参数？
只需从您的压缩表达式创建一个 numpy 数组：在 python3 中它将是 samples1 = np.array(list(*[P[0], P[1]]))。然后你可以使用hist, edges = histogramdd(samples1)。在我看来，您正在将垃圾箱的边缘传递给 range 参数。如果你想这样做，显然必须将这些边缘传递给bins 参数，正如文档所建议的那样。
应该是samples1 = np.array(list(zip(*[P[0], P[1]])))

标签： python arrays numpy histogram

【解决方案1】：

以下代码应该适合您。有两个问题：垃圾箱的边缘被传递给bins 参数，而不是range 参数。此外，传递元组列表似乎不起作用。如果将这些元组转换为 numpy 数组并传递该数组，它应该可以按预期工作。

此代码适用于我：

import numpy as np

def rand_data(N):
    return np.random.uniform(low=1., high=2000., size=(N,))

# Some random 2D data.
N = 100
P = [rand_data(N), rand_data(N)]
Q = [rand_data(N), rand_data(N)]

# Number of bins.
b = np.sqrt(len(P[0])) * 2

# Max and min values for x and y
x_min = np.sort(np.minimum(P[0], Q[0]))[0]
x_max = np.sort(np.minimum(P[0], Q[0]))[-1]
y_min = np.sort(np.minimum(P[1], Q[1]))[0]
y_max = np.sort(np.minimum(P[1], Q[1]))[-1]
# Range for the histograms.
rang = [np.linspace(x_min, x_max, b), np.linspace(y_min, y_max, b)]

# Histograms
sample1 = np.array(list(zip(*[P[0], P[1]])))
sample2 = np.array(list(zip(*[Q[0], Q[1]])))
d_1 = np.histogramdd(sample1, bins=rang)[0]
d_2 = np.histogramdd(sample2, bins=rang)[0]

【讨论】：

我认为你不需要在zip() 周围使用list()。
是的，python2.x 是这样。在 python3.x zip 返回一个生成器对象而不是一个列表。这就是为什么我使用显式转换为list