Python: como fazer um histograma com compartimentos igualmente * de tamanho *
Eu tenho um conjunto de dados e quero fazer um histograma dele. Eu preciso das caixas para ter o mesmoTamanho, pelo que quero dizer que eles devem conter o mesmo número de objetos, ao invés do problema mais comum (numpy.histogram) de terigualmente espaçado caixas. Isso ocorrerá naturalmente às custas das larguras das caixas, que podem - e em geral serão - diferentes.
Especificarei o número de categorias desejadas e o conjunto de dados, obtendo as margens das caixas em retorno.
Example:
data = numpy.array([1., 1.2, 1.3, 2.0, 2.1, 2.12])
bins_edges = somefunc(data, nbins=3)
print(bins_edges)
>> [1.,1.3,2.1,2.12]
Portanto, as caixas contêm 2 pontos, mas suas larguras (0,3, 0,8, 0,02) são diferentes.
Existem duas limitações: - se um grupo de dados for idêntico, o compartimento que os contém pode ser maior. - se houver N dados e M bins forem solicitados, haverá N / M bins mais um se N% M não for 0.
Este pedaço de código é um pouco escrito por mim, que funcionou muito bem para pequenos conjuntos de dados. E se eu tiver 10 ** 9 + pontos e quiser acelerar o processo?
1 import numpy as np
2
3 def def_equbin(in_distr, binsize=None, bin_num=None):
4
5 try:
6
7 distr_size = len(in_distr)
8
9 bin_size = distr_size / bin_num
10 odd_bin_size = distr_size % bin_num
11
12 args = in_distr.argsort()
13
14 hist = np.zeros((bin_num, bin_size))
15
16 for i in range(bin_num):
17 hist[i, :] = in_distr[args[i * bin_size: (i + 1) * bin_size]]
18
19 if odd_bin_size == 0:
20 odd_bin = None
21 bins_limits = np.arange(bin_num) * bin_size
22 bins_limits = args[bins_limits]
23 bins_limits = np.concatenate((in_distr[bins_limits],
24 [in_distr[args[-1]]]))
25 else:
26 odd_bin = in_distr[args[bin_num * bin_size:]]
27 bins_limits = np.arange(bin_num + 1) * bin_size
28 bins_limits = args[bins_limits]
29 bins_limits = in_distr[bins_limits]
30 bins_limits = np.concatenate((bins_limits, [in_distr[args[-1]]]))
31
32 return (hist, odd_bin, bins_limits)