Numpy 直方图 |使用一个维度来匹配 bin，另一个维度来匹配实际频率答案

【问题标题】：Numpy Histogram | Use one dimension to match bin, and another for the actual frequencyNumpy 直方图 |使用一个维度来匹配 bin，另一个维度来匹配实际频率
【发布时间】：2015-05-25 06:48:02
【问题描述】：

我可以看到类似的东西

print np.histogram([1, 2, 1], bins=[0, 1, 2, 3])

会产生

(array([0, 2, 1]), array([0, 1, 2, 3]))

但我不想计算 [1,2,1] ，而是与其关联的相应值。

例如，理想情况下我想要这样的东西：

print np.histogram([(1,100), (2,150), (1,300)], bins=[0, 1, 2, 3])

屈服

(array([0, 400, 150]), array([0, 1, 2, 3]))

但它产生的结果与原始结果相同。

最好的方法是什么？

【问题讨论】：

标签： python numpy pandas histogram

【解决方案1】：

您可以使用numpy.histogram 的weights。

从您的原始数据开始

orig = [(1,100), (2,150), (1,300)]

这样拆分：

keys = [key for (key, _) in orig]
weights = [weight for (_, weight) in orig]

然后运行

import numpy as np

np.histogram(keys, bins=bins, weights=weights)

【讨论】：