7

给定一个 np.array 的 shape (n_days, n_lat, n_lon)，我想为每个 lat-lon 单元格计算一个带有固定 bin 的直方图（即每日值的分布）。

该问题的一个简单解决方案是遍历单元格并np.histogram为每个单元格调用::

bins = np.linspace(0, 1.0, 10)
B = np.rand(n_days, n_lat, n_lon)
H = np.zeros((n_bins, n_lat, n_lon), dtype=np.int32)
for lat in range(n_lat):
    for lon in range(n_lon):
        H[:, lat, lon] = np.histogram(A[:, lat, lon], bins=bins)[0]
# note: code not tested

但这很慢。有没有更有效的不涉及循环的解决方案？

我研究了np.searchsorted获取每个值的 bin 索引，B然后使用花哨的索引来更新H::

bin_indices = bins.searchsorted(B)
H[bin_indices.ravel(), idx[0], idx[1]] += 1  # where idx is a index grid given by np.indices
# note: code not tested

但这不起作用，因为就地添加运算符 (+=) 似乎不支持同一单元格的多次更新。

谢谢，彼得

4

2 回答 2

4

您可以使用 numpy.apply_along_axis 消除循环。

hist, bin_edges = apply_along_axis(lambda x: histogram(x, bins=bins), 0, B)
于 2013-09-18T11:58:36.957 回答
0

也许这有效？：

import numpy as np
n_days=31
n_lat=10
n_lon=10
n_bins=10
bins = np.linspace(0, 1.0, n_bins)
B = np.random.rand(n_days, n_lat, n_lon)


# flatten to 1D
C=np.reshape(B,n_days*n_lat*n_lon)
# use digitize to get the index of the bin to which the numbers belong
D=np.digitize(C,bins)-1
# reshape the results back to the original shape
result=np.reshape(D,(n_days, n_lat, n_lon))
于 2013-09-17T15:04:41.157 回答