Python 按bin区域标准化histogram2d

我有一个使用numpy生成的2D直方图：

H, xedges, yedges = np.histogram2d(y, x, weights=mass * (1.0 - pf),
                                   bins=(yrange,xrange))

请注意，我目前正在称量具有质量函数的箱子（

mass

是一个numpy数组，其尺寸与

x

和

y

相同）。箱子是对数的（通过

xrange=np.logspace（minX，maxX，100）

生成）

但是，我确实希望通过质量函数对垃圾箱进行加权，但将其归一化（即除以）为每个垃圾箱的面积：例如，每个垃圾箱的面积

xrange[I]*yrange[I]

。但是，由于

xrange

和

yrange

与

质量

的尺寸不同，

x

和

y

。。。我不能简单地将规范化放在

np.historogram2d

调用中

如何按每个日志存储箱中的区域标准化存储箱计数

作为参考，这里是图（我已经添加了x和y一维直方图，我还需要根据箱子的宽度进行标准化，但一旦我知道如何对二维进行标准化，它应该是类似的）

仅供参考-我使用matplotlib生成主轴直方图：

X,Y=np.meshgrid(xrange,yrange)
H = np.log10(H)
masked_array = np.ma.array(H, mask=np.isnan(H))  # mask out all nan, i.e. log10(0.0)
cax = (ax2dhist.pcolormesh(X,Y,masked_array, cmap=cmap, norm=LogNorm(vmin=1,vmax=8)))

---

我想你只是想把

normed=True

传递给：

标准化：布尔，可选

如果

False

，则返回每个箱子中的样本数。如果

True

，则返回料仓密度

料仓计数/样本计数/料仓面积

---

如果您想计算垃圾箱面积并手动执行标准化，最简单的方法可能是使用：

---

哦，老兄。。。这么简单吗？！我会试着公布结果。谢谢。是的。。。我想就是这样。谢谢你也展示了广播方法。。。在标准化过程中，我还需要使用另一个变量（整个模拟的体积…所以我可以标准化为“每单位体积”。所以这个技巧会派上用场！！

x, y = np.random.rand(2, 1000)
xbin = np.logspace(-1, 0, 101)
ybin = np.logspace(-1, 0, 201)

# raw bin counts
counts, xe, ye = np.histogram2d(x, y, [xbin, ybin])

# size of each bin in x and y dimensions
dx = np.diff(xbin)
dy = np.diff(ybin)

# compute the area of each bin using broadcasting
area = dx[:,  None] * dy

# normalized counts
manual_norm = counts / area / x.shape[0]

# using normed=True
counts_norm, xe, ye = np.histogram2d(x, y, [xbin, ybin], normed=True)

print(np.allclose(manual_norm, counts_norm))
# True