numpy histogram2d数据的中值计算

Question

我有一些我在x和y中存储的数据。然后我将x桶中的数据规范化，这样xbins中的所有数据就等于1.因此，在每个x处，y的每个值都有一个归一化概率。

    nA, binsx, binsy = np.histogram2d(dataA,dataB,
                                      bins=[binsA,binsB],normed=False)

    H = np.ma.masked_where(nA==0.0, nA)
    for i in range(len(H[0,:])):     # Column index i, over len of row 0
        colTot = np.sum(H[:,i])
        for j in range(len(H[:,0])): # Row index j, over len of column 0
            H[j,i] = H[j,i]/colTot

在这一点上，H沿列被标准化..。每个总数为1。

我的问题是，如何有效地在每一列中生成中值？我认为我需要为每个列(或xbin中的一组值)生成一个新数组，该数组的y值数量等于该ybin的原始(nA)计数。似乎很复杂..。有更简单的方法吗？

我现在想做的是：

nA, binsx, binsy = np.histogram2d(dataA,dataB,
                                  bins=[binsA,binsB],normed=False)
for j in range(nA[0,:].size): # Loop over number of columns
    oneMass = np.array([])
    for i in range(nA[:,0].size): # loop over rows in y...
        tmp = np.repeat(binsA[i],np.int32(nA[i,j]))
        if  tmp.size > 0:
            oneMass = np.concatenate((oneMass,tmp) )

    print('Median',np.median(oneMass))

Answer 1

如果您已经标准化了这些列，就可以通过累积概率函数对.5进行线性插值：

cumCols = np.cumsum(H, axis = 1)
medians = np.array([np.interp(.5, binsA, cumCols[:,i]) for i in range(len(binsA))])