如何在Python中将一系列浮点值分箱为直方图？

Question

我有一组浮点数值（总是小于0），我想把它们放进直方图里，也就是说，直方图中的每个条形代表一个值的范围，比如[0,0.150)。

我手上的数据看起来是这样的：

0.000
0.005
0.124
0.000
0.004
0.000
0.111
0.112

根据我下面的代码，我希望得到的结果是这样的：

[0, 0.005) 5
[0.005, 0.011) 0
...etc.. 

我试着用我的代码来进行这样的分组，但似乎不太管用。正确的做法是什么呢？

#! /usr/bin/env python


import fileinput, math

log2 = math.log(2)

def getBin(x):
    return int(math.log(x+1)/log2)

diffCounts = [0] * 5

for line in fileinput.input():
    words = line.split()
    diff = float(words[0]) * 1000;

    diffCounts[ str(getBin(diff)) ] += 1

maxdiff = [i for i, c in enumerate(diffCounts) if c > 0][-1]
print maxdiff
maxBin = max(maxdiff)


for i in range(maxBin+1):
     lo = 2**i - 1
     hi = 2**(i+1) - 1
     binStr = '[' + str(lo) + ',' + str(hi) + ')'
     print binStr + '\t' + '\t'.join(map(str, (diffCounts[i])))

~

Answer 1

第一个错误是：

Traceback (most recent call last):
  File "C:\foo\foo.py", line 17, in <module>
    diffCounts[ str(getBin(diff)) ] += 1
TypeError: list indices must be integers

你为什么要把一个整数转换成字符串呢？明明需要的是字符串。先把这个问题解决了，然后我们会看到：

Traceback (most recent call last):
  File "C:\foo\foo.py", line 17, in <module>
    diffCounts[ getBin(diff) ] += 1
IndexError: list index out of range

因为你只创建了5个桶。我不太明白你这个分桶的方案，不过我们先把桶的数量改成50个，看看会发生什么：

6
Traceback (most recent call last):
  File "C:\foo\foo.py", line 21, in <module>
    maxBin = max(maxdiff)
TypeError: 'int' object is not iterable

maxdiff是你整数列表中的一个单一值，那这里的max是干什么的呢？把它去掉，现在我们得到：

6
Traceback (most recent call last):
  File "C:\foo\foo.py", line 28, in <module>
    print binStr + '\t' + '\t'.join(map(str, (diffCounts[i])))
TypeError: argument 2 to map() must support iteration

果然，你把一个单一值当作map的第二个参数使用。我们来简化一下最后两行，从这个：

 binStr = '[' + str(lo) + ',' + str(hi) + ')'
 print binStr + '\t' + '\t'.join(map(str, (diffCounts[i])))

变成这个：

 print "[%f, %f)\t%r" % (lo, hi, diffCounts[i])

现在它打印出来的是：

6
[0.000000, 1.000000)    3
[1.000000, 3.000000)    0
[3.000000, 7.000000)    2
[7.000000, 15.000000)   0
[15.000000, 31.000000)  0
[31.000000, 63.000000)  0
[63.000000, 127.000000) 3

我不太确定接下来该怎么做，因为我并不太理解你希望使用的分桶方式。它似乎涉及到二进制的幂，但对我来说并不太清楚……

Answer 2

from pylab import *
data = []
inf = open('pulse_data.txt')
for line in inf:
    data.append(float(line))
inf.close()
#binning
B = 50
minv = min(data)
maxv = max(data)
bincounts = []
for i in range(B+1):
    bincounts.append(0)
for d in data:
    b = int((d - minv) / (maxv - minv) * B)
    bincounts[b] += 1
# plot histogram

plot(bincounts,'o')
show()

当然可以！请把你想要翻译的内容发给我，我会帮你用简单易懂的语言解释清楚。

Answer 3

尽量不要重复造轮子。NumPy已经包含了你所需要的一切：

#!/usr/bin/env python
import numpy as np

a = np.fromfile(open('file', 'r'), sep='\n')
# [ 0.     0.005  0.124  0.     0.004  0.     0.111  0.112]

# You can set arbitrary bin edges:
bins = [0, 0.150]
hist, bin_edges = np.histogram(a, bins=bins)
# hist: [8]
# bin_edges: [ 0.    0.15]

# Or, if bin is an integer, you can set the number of bins:
bins = 4
hist, bin_edges = np.histogram(a, bins=bins)
# hist: [5 0 0 3]
# bin_edges: [ 0.     0.031  0.062  0.093  0.124]