python - 如何计算二维直方图中每个 bin 中每个唯一 ID 的出现次数（python 或 pandas）

Question

我有一个 csv 文件，我想创建一个 2d 直方图，其中每个 bin 中的值取决于唯一 ID。例如（见下文），对于范围 0<x<1 和 1<y<2，值是 2 (A, B) 而不是 3 (A, A, B)，因为 A 出现了两次。谢谢！

ID	X	是的
一个	0.5	1.4
一个	0.6	1.6
一个	1.2	2.2
乙	0.7	1.7
C	4.4	3.5
C	3.1	3.7

标签： pythonpandas

Answer 1

的一个 bin 可以唯一标识为i_x < x < j_x; 我们可以看到这个元组对于每个 bin 都是唯一的。和只是 和 的底值。Like For row : bin is: , here and .i_y < y < j_y(i_x, i_y)i_xi_yxy(x, y) = (0.5, 1.4)0 < 0.5 < 11 < 1.4 < 1.2i_x = 0 = floor(0.5)i_y = 1 = floor(1.4)

方法：

1. 查找xi_x和i_yy 列。
2. 使用每个组中唯一的键(i_x, i_y)和计数对数据框进行IDs分组。

代码：

>>> df
  ID    x    y
0  A  0.5  1.4
1  A  0.6  1.6
2  A  1.2  2.2
3  B  0.7  1.7
4  C  4.4  3.5
5  C  3.1  3.7

df['bin_x'] = np.floor(df.x).astype(int)
df['bin_y'] = np.floor(df.y).astype(int)
df = (df.groupby(['bin_x', 'bin_y'], as_index = False)['ID']
        .agg({'cnt' : 'nunique'}))


>>> df
   bin_x  bin_y  cnt
0      0      1    2
1      1      2    1
2      3      3    1
3      4      3    1

如果您将直方图定义为大小为 (5, 5) 的 numpy 数组，那么我们可以为该cnt数组分配值并获得所需的直方图。

histogram = np.zeros((5, 5))
histogram[df.bin_x, df.bin_y] = df.cnt
>>> histogram
array([[0., 2., 0., 0., 0.],
       [0., 0., 1., 0., 0.],
       [0., 0., 0., 0., 0.],
       [0., 0., 0., 1., 0.],
       [0., 0., 0., 1., 0.]])