是否有任何分箱函数返回“分箱矩阵”而不是每个点的分箱索引？

Question

我有一个矩阵，其中包含全球某个部分的 NO2 测量值，以及 2 个包含纬度和经度的相同大小的矩阵。

NO2 = np.random.rand(100,100)
lat = np.random.rand(100,100)*90.
lon = np.random.rand(100,100)*180

我想将这些基于 lat 和 lon 的 NO2 值放入 0.125 度的 bin 中，如下所示：

latBins = np.linspace(-90,90,180/.125+1)
lonBins = np.linspace(-180,180,360/.125+1)

现在，我知道 numpy.digitize 和 numpy.histogram 可以返回每个 NO2 值所属的 bin 的索引，但我想要实际的 binned 矩阵。该矩阵如下所示：

    binnedMatrix = np.zeros((1440,2880,15))

每个 bin 的深度为 15。如果我现在调用 binnedMatrix[0][0]（它包含所有经度在 -180.,-179.875 和纬度之间的点 -90.,-89.875），我因此，希望所有在这些纬度和经度内分箱的 NO2 值。这样就可以将这个矩阵存储在某个地方，这正是我想要的。

有没有返回这个矩阵的函数？或者有什么方法可以在没有 for 循环的情况下完成？

Answer 1

我遇到了类似的问题，你的 last comment 似乎是相关的。

假设坐标轴为x、y 和z 的三维空间中的点，我想将所有值z 分别放在与x 和y 位置对应的bin 中。 This answer 使用np.digitize 并且对一维数组有效，但可以调整以适应三维。

In [1]: import numpy as np

In [2]: data = np.random.randint(0, 100, 3000).reshape(-1, 3)

In [3]: data
Out[3]: 
array([[59, 94, 85],
       [97, 47, 71],
       [27, 10, 23],
       ..., 
       [48, 61, 87],
       [72, 22, 86],
       [80, 47, 45]])

In [4]: bins = np.linspace(0, 100, 10)

In [5]: bins
Out[5]: 
array([   0.        ,   11.11111111,   22.22222222,   33.33333333,
         44.44444444,   55.55555556,   66.66666667,   77.77777778,
         88.88888889,  100.        ])

In [6]: digitized = np.digitize(data[:, 0:2], bins)

In [7]: digitized
Out[7]: 
array([[6, 9],
       [9, 5],
       [3, 1],
       ..., 
       [5, 6],
       [7, 2],
       [8, 5]])

In [8]: data[np.equal(digitized, [6, 9]).all(axis=1)]
Out[8]: 
array([[59, 94, 85],
       [56, 94, 80],
       [63, 97, 73],
       [64, 94, 13],
       [58, 92, 29],
       [60, 97, 53],
       [65, 92, 95],
       [64, 91, 40],
       [59, 92, 93],
       [58, 94, 77],
       [58, 89, 66],
       [60, 89, 19],
       [65, 95, 13],
       [65, 89, 39]])

In [9]: data[np.equal(digitized, [6, 9]).all(axis=1)][:, 2]
Out[9]: array([85, 80, 73, 13, 29, 53, 95, 40, 93, 77, 66, 19, 13, 39])

要解决您的问题，请使用data[np.equal(digitized, [index_latitide, index_longitude]).all(axis=1)[:, 2]。这将检索您所有的 NO₂ 值，尽管每个 bin 可以获得超过 15 个。

Answer 2

我对你到底想要什么感到非常困惑。但是，这是我对您所写内容的解释。

n, m = NO2.shape
df = pd.DataFrame(dict(
        NO2=NO2.ravel(),
        lat=lat.ravel(),
        lon=lon.ravel(),
        i=np.arange(n).repeat(m),
        j=np.tile(np.arange(m), n)
    ))

latBins = pd.cut(df.lat, np.linspace(-90, 90, 180 / .125 + 1))
lonBins = pd.cut(df.lon, np.linspace(-180, 180, 360 / .125 + 1))

g = df.groupby([latBins, lonBins])

然后我可以抓住一个特定的组

g.get_group(('(0.875, 1]', '(83.75, 83.875]'))

           NO2   i   j       lat        lon
6968  0.645213  69  68  0.956681  83.754923
8495  0.383437  84  95  0.964288  83.863002