Python：直方图/装箱来自2个数组的数据。

Question

我有两个数据数组：一个是半径值，另一个是该强度下的相应强度读数：

e、 g.数据的一小部分。第一列是半径，第二列是强度。

<代码>29.77036614 0.0446427 29.70281027 0.07771409 29.63523525 0.09424901 29.3639355 1.322793 29.29596385 2.321502 29.22783249 2.415751 29.15969437 1.511504 29.09139827 1.01704 29.02302068 0.9442765 28.95463729 0.3109002 28.88609766 0.162065 28.8175446 0.1356054 28.74883612 0.0363781 28.68004928 0.05952569 28.61125036 0.0529117 28.54229804 0.08432806 28.4732599 0.099 50128 28.43877462号0.1091304 28.40421016 0.09629156 28.36961249 0.1193614 28.33500089 0.102711 28.30037503 0.07161685

我如何收集半径数据，并找到对应于该收集半径的平均强度。

这样做的目的是使用平均强度将强度值分配给缺少 （NaN） 数据点的半径数据。

我以前从未使用过直方图函数，也不知道它们是如何工作的/是否有可能用它们来做这件事。完整的数据集很大，有336622个数据点，所以我真的不想使用循环或if语句来实现这一点。
非常感谢您的帮助。

Answer 1

这不是你真正想要的柱状图。直方图更多的是属于特定容器的项目的计数。你想要做的更多的是通过操作来分组，你可以通过半径间隔来分组你的强度，并且在强度组上你可以应用一些聚合方法，比如平均值或者中间值等等。

然而，你所描述的听起来更像是你想要执行的某种插值。因此，我建议考虑将插值作为解决您的问题的替代方案。无论如何，这里有一个建议，你如何实现你所要求的（假设你可以使用numpy） - 我使用随机输入来说明：

radius = numpy.fromiter((random.random() * 10 for i in xrange(1000)), dtype=numpy.float)
intensities = numpy.fromiter((random.random() * 10 for i in xrange(1000)), dtype=numpy.float)
# group your radius input into 20 equal distant bins
bins = numpy.linspace(radius.min(), radius.max(), 20)
groups = numpy.digitize(radius, bins)
# groups now holds the index of the bin into which radius[i] falls
# loop through all bin indexes and select the corresponding intensities
# perform your aggregation on the selected intensities
# i'm keeping the aggregation for the group in a dict
aggregated = {}
for i in range(len(bins)+1):
    selected_intensities = intensities[groups==i]
    aggregated[i] = selected_intensities.mean()

Answer 2

如果你只需要在几个点上这样做，你可以做这样的事情。

如果强度和radiusare numpy数组：

bin_width = 0.1 # Depending on how narrow you want your bins

def get_avg(rad):
    average_intensity = intensities[(radius>=rad-bin_width/2.) & (radius<rad+bin_width/2.)].mean()
    return average_intensities

# This will return the average intensity in the bin: 27.95 <= rad < 28.05
average = get_avg(28.)