如何将numpy直方图反转回强度

我想知道是否有一种将直方图反转回强度信号的方法

例如：

>>> A = np.array([7, 2, 1, 4, 0, 7, 8, 10])
>>> H, edge = np.histogram(A, bins=10, range=(0,10))

>>> np.sort(A)
[ 0  1  2  4  7  7  8 10]

>>> H
[1 1 1 0 1 0 0 2 1 1]
>>> edge
[  0.   1.   2.   3.   4.   5.   6.   7.   8.   9.  10.]

是否有方法使用

H

和

边缘

重建原始

a

强度？当然，位置信息将丢失，但我只想恢复强度和出现的相对数量

我有这样一种迂回的方式：

>>> reco = []
>>> for i, h in enumerate(H):
...    for _ in range(h):
...       reco.append(edge[i])
...
>>> reco
[0.0, 1.0, 2.0, 4.0, 7.0, 7.0, 8.0, 9.0]
# I've done something wrong with the right-most histogram bin, but we can ignore that for now

对于较大的直方图，循环方式是低效的。是否有一个向量化的等价物，我在循环中做了什么？（我的直觉告诉我将涉及到

numpy.digitalize

。）

当然，您可以使用：

import numpy as np

A = np.array([7, 2, 1, 4, 0, 7, 8, 10])
counts, edges = np.histogram(A, bins=10, range=(0,10))

print(np.repeat(edges[:-1], counts))
# [ 0.  1.  2.  4.  7.  7.  8.  9.]

显然，不可能恢复某个值在一个容器中的确切位置，因为在生成直方图的过程中会丢失该信息。您可以使用下部或上部料仓边缘（如上例所示），也可以使用中心值，例如：

print(np.repeat((edges[:-1] + edges[1:]) / 2., counts))
# [ 0.5  1.5  2.5  4.5  7.5  7.5  8.5  9.5]