为直方图定义 3D bin 与 1D bin 时的不同注意事项？

Question

我正在尝试为我拥有的一些数据创建一个 3D 直方图，但我认为我定义 bin 的方式一定有问题，因为我得到了很多空的边缘直方图。以下是我如何创建直方图以及如何检查值--

# Hard boundaries for the cube 
param1_range = [0, 6]
param2_range = [-2, +0.5]
param3_range = [0, 2]

d_param1 = 0.5
param1_bins = np.arange(param1_range[0], param1_range[1], d_param1)
N_param1_bins = len(d_param1) - 1

d_param2 = 0.5
param2_bins = np.arange(param2_range[0], param2_range[1], d_param2)
N_param2_bins = len(d_param2) - 1

d_param3 = 0.25
param3_bins = np.arange(param3_range[0], param3_range[1], d_param3)
N_param3_bins = len(d_param3) - 1


empty_param1, empty_param2, empty_param3 = 0, 0, 0 
cube_full = np.zeros((Nobs, N_param1_bins, N_param2_bins, N_param3_bins))
for i in range(Nobs):
    tmp = np.vstack((param1_data[i,:], param2_data[i,:], param3_data[i,:])).T
    hist, _ = np.histogramdd(tmp[:,:],
                             bins=[param1_bins, param2_bins, param3_bins], 
                             density=True)
    cube_full[i,:,:,:] = hist

    if np.all(hist[:,0,0] == 0.):
              empty_param1 = empty_param1 + 1
    if np.all(hist[0,:,0] == 0.):
              empty_param2 = empty_param2 + 1
    if np.all(hist[0,0,:] == 0.):
              empty_param3 = empty_param3 + 1

print(empty_param1/Nobs, empty_param2/Nobs, empty_param3/Nobs)

“param1”的边缘直方图大约有一半是空的，“param2”和“param3”几乎都是空的。

我通过查看数据确定了参数范围。我还使用这些相同的范围为不同的参数创建了 1D 直方图，并且不会像我尝试制作 3D 直方图时那样得到空箱。在定义 3D bin 与 1D bin 时，是否还有一些我遗漏的额外注意事项？

Answer 1

我在这里解释，但从 cmets，我认为你想要的是这样的：

    sum1 = np.sum(hist, (1,2))
    if np.all(sum1) == 0:
        empty_param1 += 1
    sum2 = np.sum(hist, (0,2))
    sum3 = np.sum(hist, (0,1))

这实质上是从 3D 数据生成 1D 直方图。如果我仍然没有达到目标，也许您可​​以提供一个使用较小矩阵的示例。

例子：

>>> x = np.arange(125).reshape((5,5,5))
>>> x
array([[[  0,   1,   2,   3,   4],
        [  5,   6,   7,   8,   9],
        [ 10,  11,  12,  13,  14],
        [ 15,  16,  17,  18,  19],
        [ 20,  21,  22,  23,  24]],

       [[ 25,  26,  27,  28,  29],
        [ 30,  31,  32,  33,  34],
        [ 35,  36,  37,  38,  39],
        [ 40,  41,  42,  43,  44],
        [ 45,  46,  47,  48,  49]],

       [[ 50,  51,  52,  53,  54],
        [ 55,  56,  57,  58,  59],
        [ 60,  61,  62,  63,  64],
        [ 65,  66,  67,  68,  69],
        [ 70,  71,  72,  73,  74]],

       [[ 75,  76,  77,  78,  79],
        [ 80,  81,  82,  83,  84],
        [ 85,  86,  87,  88,  89],
        [ 90,  91,  92,  93,  94],
        [ 95,  96,  97,  98,  99]],

       [[100, 101, 102, 103, 104],
        [105, 106, 107, 108, 109],
        [110, 111, 112, 113, 114],
        [115, 116, 117, 118, 119],
        [120, 121, 122, 123, 124]]])
>>> np.sum(x,(1,2))
array([ 300,  925, 1550, 2175, 2800])
>>> np.sum(x,(0,2))
array([1300, 1425, 1550, 1675, 1800])
>>> np.sum(x,(0,1))
array([1500, 1525, 1550, 1575, 1600])
>>>