Python - 基于变量 2 使用 numpy 生成变量 1 的条件平均值？答案

【问题标题】：Python - produce conditional average of variable 1 based on variable 2 with numpy?Python - 基于变量 2 使用 numpy 生成变量 1 的条件平均值？
【发布时间】：2020-08-10 01:48:10
【问题描述】：

我正在尝试制作一些基本图，以便更好地了解我的数据中发生的情况。目前 1 有 4 个变量，每个变量有 200*387 个数据点。我已将所有内容存储在 3D 数组中，第 3 维表示与数据相关的不同变量。

目前我已经制作了一些 var1 与 var2 的散点图。但是，我想在这个散点图的顶部添加一条条件平均曲线。这将是任何给定 var2（x 轴）值的平均 var1（y 轴）值。但是，我对 Python 还是很陌生，所以我很确定我目前考虑的方法远不是最有效的。

我目前的想法是，我可以对每个变量的数据进行矢量化（即使其成为 1D），然后创建一些合理大小的 var2 箱，然后找到每个箱的 var1 的平均值。我将这些平均值存储在一些新向量中，然后绘制它。

这是一种非常愚蠢的做法吗？从我搜索的内容来看，pandas 可能有一种简单的方法来做到这一点，但考虑到我对 Python 的了解程度，我也不确定直接使用 pandas 是否会过大。

提前感谢您的所有回复！

【问题讨论】：

我不清楚你想要达到什么目的。也许一个具体的例子会有所帮助，最好是可以复制的代码。关于您的 Pandas 问题 - 使用 Pandas 真的不是矫枉过正。它比 Numpy 对初学者更友好（并建立在它之上）。它可以帮助你，例如为您的变量命名并将它们设置在 2D 多索引而不是 3D 数组中，这可以大大简化您的工作。
也许这question 和numpy.where 可以提供帮助
您需要的是一个 MCVE。我们可以修复错误的代码。我们无法修正模糊的描述。

标签： python python-3.x pandas numpy matplotlib

【解决方案1】：

感谢您的回复。重新阅读我的问题，我意识到它的措辞很糟糕，所以对此我深表歉意。

我找到了我的解决方案，最后很简单。无需使用 pandas 并将数据类型从数组更改为数据帧。我最终只使用了 scipy 中的 binned_statistics 函数。我的代码实际上只是：

import scipy as sp
n_bins = 80
cond_means, bin_edges, binnumber = sp.stats.binned_statistics(var2, var1, statistic='mean', bins=n_bins)

var2 是自变量（x 轴），var1 是因变量（y 轴）。

对于也有兴趣将其用于条件均值图的任何人，请注意 binned_statistics 提供 bin 边缘，而不是 bin 均值。这意味着您将始终拥有比 cond_means 元素多一个的 bin_edges 元素。一个简单的解决方法是：

bin_width = bin_edges[1] - bin_edges[0]
bin_centres = bin_edges[1:] - bin_width/2

您现在应该能够将条件均值简单地绘制为：

import matplotlib.pyplot as plt
fig1 = plt.figure()
plt.scatter(var2, var1, color = 'blue', label = 'raw data')
plt.plot(bin_centres, cond_means, color = 'black', label = 'Conditional mean')
plt.legend()
plt.xlabel('var2')
plt.ylabel('var1')
plt.show()

【讨论】：

不要道歉。修复。