sciPy stats . binned _ statistics _ 2d()函数| Python
原文:https://www.geesforgeks.org/scipy-stats-binned _ statistics _ 2d-function-python/
**stats.binned_statistic_2d(arr1, arr2, values, statistic='mean', bins=10, range=None)**函数计算给定二维数据的入库统计值。
工作原理类似于组织图 2d。As 直方图功能制作面元并计算每个面元中的点数；该函数计算每个箱的值的总和、平均值、中值、计数或其他统计数据。
参数: arr 1:【array _ like】输入数组沿第一维入库。 arr 2:【array _ like】输入数组沿二次元入库。 值:【array _ like】要计算哪个统计。 统计:统计计算{均值、计数、中值、和、函数}。默认是卑鄙的。 bin:【int 或 scalars】如果 bin 为 int，则定义给定范围内等宽 bin 的数量(默认为 10)。如果面元是一个序列，它定义面元的边。 范围:(浮动，浮动)箱柜的上下范围，如果没有提供，范围从 x.max()到 x.min()。
结果:各仓统计值；沿第一维和第二维装订边；箱号。
代码#1 :
# stats.binned_statistic_2d() method
import numpy as np
from scipy import stats
x = np.random.rand(10)
y = np.random.rand(10)
z = np.arange(10)
print ("x : \n", x)
print ("\ny : \n", y)
print ("\nz : \n", z)
# count
print ("\nbinned_statistic_2d for count : ",
stats.binned_statistic_2d(x, y, values = z,
statistic ='count', bins = [5, 5]))
输出:
x: 【0.31218238 0.86791445 0.42763346 0.79798587 0.91361299 0.09005856 0.54419846 0.18973948 0.67016378 0.8083121】
y: 【0.35959238 0.69265819 0.18751529 0.98863414 0.97810927 0.24054104 0.76764562 0.60635485 0.6151806 0.638472】
z: 【0 1 2 3 4 5 6 7 8 9】
计数的 binned _ statistics _ 2d:binnedstatistics 2 result(statistics = array([[1。, 0., 1., 0., 0.】、 【0。, 1., 0., 0., 0.】、 【1。, 0., 0., 1., 0.】、 【0。, 0., 1., 0., 0.】、 【0。, 0., 1., 1., 2.]])，x_edge=array([0.09005856，0.25476945，0.41948033，0.58419122，0.74890211， 0.91361299])，y_edge=array([0.18751529，0.3473906，0.50796283，0.666668196
代码#2 :
# stats.binned_statistic_2d() method
import numpy as np
from scipy import stats
x = np.random.rand(10)
y = np.random.rand(10)
z = np.arange(10)
# mean
print ("\nbinned_statistic_2d for mean : ",
stats.binned_statistic_2d(x, y, values = z,
statistic ='mean', bins = [5, 5]))
输出:
binned _ statistic _ 2d 求平均值:binnedstatistics 2 result(statistics = array([[5。南，7 岁。，nan，nan]， 【nan，0。，楠，楠，楠]， 【2。，楠，楠，6。，【楠】， 【楠，楠，8。，楠，楠]， 【楠，楠，9。, 1.，3.5]])，x_edge=array([0.09005856，0.25476945，0.41948033，0.58419122，0.74890211， 0.91361299])，y_edge=array([0.18751529，0.3473906，0.50796283，0.66
