简短的问题

我有一个大的10000x10000元素图像,我把它分成几百个不同的扇区/箱.然后,我需要对每个bin中包含的值执行一些迭代计算.

如何使用bin值提取每个bin的索引以有效地执行计算？

我正在寻找的是一个解决方案,它避免了每次ind == j从我的大阵列中选择的瓶颈.有没有办法一次性直接获得属于每个bin的元素的索引？

详细说明

1.直截了当的解决方案

实现我需要的一种方法是使用如下代码(参见例如THIS相关答案),其中我数字化我的值然后有一个j循环选择数字化索引等于j如下所示

import numpy as np

# This function func() is just a placemark for a much more complicated function.
# I am aware that my problem could be easily sped up in the specific case of
# of the sum() function, but I am looking for a general solution to the problem.
def func(x):
    y = np.sum(x)
    return y

vals = np.random.random(1e8)
nbins = 100
bins = np.linspace(0, …

我经常遇到并制作复杂网络的长尾度分布/直方图,如下图所示.它们使这些尾巴的重尾,嗯,非常沉重和拥挤许多观察:

然而,我读过的许多出版物都有更清晰的度数分布,这些分布在分布结束时没有这种结块,观察结果更均匀.

!

你如何使用NetworkX和制作这样的图表matplotlib？

如何在python中使用2D直方图计算容器的平均值？我有x轴和y轴的温度范围,我试图用相应温度的箱子绘制闪电概率.我正在读取csv文件中的数据,我的代码是这样的:

filename = 'Random_Events_All_Sorted_85GHz.csv'
df = pd.read_csv(filename)

min37 = df.min37
min85 = df.min85
verification = df.five_min_1

#Numbers
x = min85
y = min37
H = verification

#Estimate the 2D histogram
nbins = 4
H, xedges, yedges = np.histogram2d(x,y,bins=nbins)

#Rotate and flip H
H = np.rot90(H) 
H = np.flipud(H)

#Mask zeros
Hmasked = np.ma.masked_where(H==0,H)

#Plot 2D histogram using pcolor
fig1 = plt.figure()
plt.pcolormesh(xedges,yedges,Hmasked)
plt.xlabel('min 85 GHz PCT (K)')
plt.ylabel('min 37 GHz PCT (K)')
cbar = plt.colorbar()
cbar.ax.set_ylabel('Probability of Lightning (%)')

plt.show() …

我是numpy的新手,我有一个2D数组的对象,我需要将它们分成一个较小的矩阵,然后计算每个bin中的对象数量来制作热图.我按照这个线程的答案来创建垃圾箱并对一个简单的数组进行计数,但我不知道如何将它扩展到2维.这是我到目前为止所拥有的:

data_matrix = numpy.ndarray((500,500),dtype=float)
# fill array with values.

bins = numpy.linspace(0,50,50)
digitized = numpy.digitize(data_matrix, bins)

binned_data = numpy.ndarray((50,50))
for i in range(0,len(bins)):
    for j in range(0,len(bins)):
        k = len(data_matrix[digitized == i:digitized == j]) # <-not does not work
        binned_data[i:j] = k

PS [digitized == i]数组上的表示法将返回二进制值数组.我无法在任何地方找到有关此符号的文档.一个链接将不胜感激.