bin 3d 指向python中的3d bin答案

【问题标题】：bin 3d points into 3d bins in pythonbin 3d 指向python中的3d bin
【发布时间】：2015-12-29 16:53:43
【问题描述】：

如何将 3d 点分箱到 3d 箱中？ np.digitize 有多维版本吗？我可以为每个维度单独使用 np.digitize，例如here。有更好的解决方案吗？谢谢！

【问题讨论】：

为每个维度单独调用 np.digitize 和 np.histogramdd 之间的一个重要区别是 np.digitize 的以下属性：“如果 x 中的值超出 bin 的范围，则为 0 或 len(bins ) 将酌情返回”。当指定描述沿每个维度的 bin 边缘的数组序列时，np.histogramdd 中的情况并非如此。

标签： python multidimensional-array binning

【解决方案1】：

您可以使用numpy.histogramdd(sample) 执行此操作，其中每个方向的 bin 数量和物理范围可以像使用一维直方图一样进行调整。有关参考 page 的更多信息。对于更一般的统计数据，例如 bin 中每个点的另一个变量的平均值，您可以使用 scipy scipy.stats.binned_statistic_dd 函数，请参阅 docs。对于具有三维点数组的情况，您可以通过以下方式使用它，

import numpy as np
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
from scipy import stats


#Setup some dummy data
points = np.random.randn(1000,3)
hist, binedges = np.histogramdd(points, normed=False)

#Setup a 3D figure and plot points as well as a series of slices
fig = plt.figure()
ax1 = fig.add_subplot(111, projection='3d')
ax1.plot(points[:,0],points[:,1],points[:,2],'k.',alpha=0.3)

#Use one less than bin edges to give rough bin location
X, Y = np.meshgrid(binedges[0][:-1],binedges[1][:-1])

#Loop over range of slice locations (default histogram uses 10 bins)
for ct in [0,2,5,7,9]: 
    cs = ax1.contourf(X,Y,hist[:,:,ct], 
                      zdir='z', 
                      offset=binedges[2][ct], 
                      level=100, 
                      cmap=plt.cm.RdYlBu_r, 
                      alpha=0.5)

ax1.set_xlim(-3, 3)
ax1.set_ylim(-3, 3)
ax1.set_zlim(-3, 3)
plt.colorbar(cs)
plt.show()

它给出了每个位置占用率的一系列直方图切片，

【讨论】：

谢谢！正是我正在寻找的东西。另外，你的演示真的很酷！