python – 过滤直方图边缘和计数

前端之家收集整理的这篇文章主要介绍了python – 过滤直方图边缘和计数前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。

考虑一个返回百分比的numpy数组的直方图计算:

  1. # 500 random numbers between 0 and 10,000
  2. values = np.random.uniform(0,10000,500)
  3. # Histogram using e.g. 200 buckets
  4. perc,edges = np.histogram(values,bins=200,weights=np.zeros_like(values) + 100/values.size)

以上返回两个数组:

> perc包含总数中每对连续边[ix]和边[ix 1]内的值的百分比(即百分比).
>长度为len(hist)的边缘1

现在,假设我想过滤perc和edge,这样我最终只得到新范围[m,M]中包含的值的百分比和边缘. “

也就是说,我想使用perc的子数组和与[m,M]内的值间隔对应的边.不用说,新的百分比数组仍然指的是输入数组的总分数.我们只想过滤perc和edge以得到正确的子数组.

如何对perc和edge进行后期处理呢?

m和M的值可以是任何数量的过程.在上面的例子中,我们可以假设,例如m = 0且M = 200.

最佳答案
  1. m = 0; M = 200
  2. mask = [(m < edges) & (edges < M)]
  3. >>> edges[mask]
  4. array([ 37.4789683,87.07491593,136.67086357,186.2668112 ])

让我们处理一个较小的数据集,以便更容易理解:

  1. np.random.seed(0)
  2. values = np.random.uniform(0,100,10)
  3. values.sort()
  4. >>> values
  5. array([ 38.34415188,42.36547993,43.75872113,54.4883183,54.88135039,60.27633761,64.58941131,71.51893664,89.17730008,96.36627605])
  6. # Histogram using e.g. 10 buckets
  7. perc,bins=10,weights=np.zeros_like(values) + 100./values.size)
  8. >>> perc
  9. array([ 30.,0.,20.,10.,10.])
  10. >>> edges
  11. array([ 38.34415188,44.1463643,49.94857672,55.75078913,61.55300155,67.35521397,73.15742638,78.9596388,84.76185122,90.56406363,96.36627605])
  12. m = 0; M = 50
  13. mask = (m <= edges) & (edges < M)
  14. >>> mask
  15. array([ True,True,False,False],dtype=bool)
  16. >>> edges[mask]
  17. array([ 38.34415188,49.94857672])
  18. >>> perc[mask[:-1]][:-1]
  19. array([ 30.,0.])
  20. m = 40; M = 60
  21. mask = (m < edges) & (edges < M)
  22. >>> edges[mask]
  23. array([ 44.1463643,55.75078913])
  24. >>> perc[mask[:-1]][:-1]
  25. array([ 0.,20.])
@H_404_39@

猜你在找的Python相关文章