Arrays numpy装箱平均值,保留额外轴
似乎我被Arrays numpy装箱平均值,保留额外轴,arrays,numpy,multidimensional-array,binning,Arrays,Numpy,Multidimensional Array,Binning,似乎我被numpy的以下问题困住了 我有一个带有形状的数组X:X.shape=(nexp、ntime、ndim、npart) 我需要根据binvals(以及一些bin)中的值,沿着npart维度计算此数组上的装箱统计信息,但保留所有其他维度,因为我必须使用装箱统计信息来消除原始数组X中的一些偏差。装箱值具有shapebinvals.shape=(nexp、ntime、npart) 一个完整的,最小的例子,来解释我想做什么。请注意,实际上,我使用的是大型阵列和数百个存储箱(因此此实现需要花费很长时
numpy
的以下问题困住了
我有一个带有形状的数组X
:X.shape=(nexp、ntime、ndim、npart)
我需要根据binvals
(以及一些bin
)中的值,沿着npart
维度计算此数组上的装箱统计信息,但保留所有其他维度,因为我必须使用装箱统计信息来消除原始数组X
中的一些偏差。装箱值具有shapebinvals.shape=(nexp、ntime、npart)
一个完整的,最小的例子,来解释我想做什么。请注意,实际上,我使用的是大型阵列和数百个存储箱(因此此实现需要花费很长时间):
看看这一结果可能会更清楚吗
In [8]: X
Out[8]:
array([[[[-0.20470766, 0.47894334, -0.51943872, -0.5557303 ],
[ 1.96578057, 1.39340583, 0.09290788, 0.28174615],
[ 0.76902257, 1.24643474, 1.00718936, -1.29622111]],
[[ 0.27499163, 0.22891288, 1.35291684, 0.88642934],
[-2.00163731, -0.37184254, 1.66902531, -0.43856974],
[-0.53974145, 0.47698501, 3.24894392, -1.02122752]]]])
In [10]: cleanX
Out[10]:
array([[[[ 0. , 0.67768523, -0.32069682, -0.35698841],
[ 0. , 0.80405255, -0.49644541, -0.30760713],
[ 0. , 0.92730041, 0.68805503, -1.61535544]],
[[ 0.02303938, -0.02303938, 0.23324375, -0.23324375],
[-0.81489739, 0.81489739, 1.05379752, -1.05379752],
[-0.50836323, 0.50836323, 2.13508572, -2.13508572]]]])
In [12]: binvals
Out[12]:
array([[[ -5.77087303e-01, 1.24121276e-01, 3.02613562e-01,
5.23772068e-01],
[ 9.40277775e-04, 1.34380979e+00, -7.13543985e-01,
-8.31153539e-01]]])
有矢量化的解决方案吗?我曾想过使用
scipy.stats.binned\u statistic
,但我似乎无法理解如何将其用于此目的。谢谢 好的,我想我明白了,主要是基于@jdehesa的回答
import numpy as np
np.random.seed(100)
nexp = 3
ntime = 4
ndim = 5
npart = 100
nbins = 4
binvals = np.random.rand(nexp, ntime, npart)
X = np.random.rand(nexp, ntime, ndim, npart)
bins = np.linspace(0, 1, nbins + 1)
d = np.digitize(binvals, bins)[:, :, np.newaxis, :]
r = np.arange(1, len(bins)).reshape((-1, 1, 1, 1, 1))
m = d[np.newaxis, ...] == r
counts = np.sum(m, axis=-1, keepdims=True).clip(min=1)
means = np.sum(X[np.newaxis, ...] * m, axis=-1, keepdims=True) / counts
cleanX = X - np.choose(d - 1, means)
clean2 = np.zeros_like(X)
d = np.digitize(binvals, bins)
for i in range(1, len(bins)):
m = d == i
minds = np.where(m)
sl = [*minds[:2], slice(None), minds[2]]
msum = m.sum(axis=-1)
clean2[sl] = (X - \
(np.sum(X * m[...,np.newaxis,:], axis=-1) /
msum[..., np.newaxis])[..., np.newaxis])[sl]
它给出了与我的原始代码相同的结果。
在我在这里的示例中使用的小型阵列上,此解决方案的速度大约是原始代码的三倍。我希望在更大的阵列上速度更快
更新:
事实上,它在更大的阵列上速度更快(没有进行任何正式测试),但尽管如此,它在性能方面还是达到了可接受的水平。。。如果您对额外的矢量导航有任何进一步的建议,我们将非常欢迎。您能提供一些虚拟输入吗?您的意思是什么?任何事情都可以做到:
X=np.random.randn(120).重塑(3,4,2,5)
,binvals=np.random.randn(24).重塑(3,4,2)
和bins=np.linspace(binvals.min(),binvals.max(),10)
我得到的是索引器:布尔索引与发布代码上的样本数据不匹配。
,那是因为我把宾瓦尔的形状弄错了。它应该是:X=np.random.randn(120).重塑(3,4,2,5)
,binvals=np.random.randn(60).重塑(3,4,5)
和bins=np.linspace(binvals.min(),binvals.max(),10)
。如果确定一些输入和预期输出,解决这些问题就会容易得多。嗯,我必须多考虑一下,但在我看来,这并不是我想要的东西。@user6760680我添加了一个没有循环的替代解决方案(应该更快),以牺牲更多内存为代价。我花了一段时间才明白什么不能说服我,但重点是你正在使用,虽然我必须计算一个数组上的统计信息,但要存储一个不同的数组。@user6760680好吧,我明白你的意思,我误解了这个问题,我会解决它。顺便说一句,答案在最后使用了,这显然是限制在32个不同的选择(所以你最多只能使用32个存储箱)。。。如果您需要更多,您将需要为最后一步选择不同的路径…我也更新了我的答案。我的代码没有给出相同的结果,但是。。。当我运行它时,它会产生接近于零的值(我想这就是点),而原始代码会产生高达+/-6的值(这很奇怪,因为X
值位于[0,1]
)。。。我不知道有什么区别!以防对您有用…@jdehesa X值来自标准正态分布,因此它们不限于[0,1]。我检查了我的代码,它做了我需要的,即使可能没有我希望的那么快。无论如何,非常感谢您的建议,它非常有用,至少可以显著提高性能!
clean2 = np.zeros_like(X)
d = np.digitize(binvals, bins)
for i in range(1, len(bins)):
m = d == i
minds = np.where(m)
sl = [*minds[:2], slice(None), minds[2]]
msum = m.sum(axis=-1)
clean2[sl] = (X - \
(np.sum(X * m[...,np.newaxis,:], axis=-1) /
msum[..., np.newaxis])[..., np.newaxis])[sl]