如何在Python中的每個二維直方圖中獲取最大值

Question

我使用的是numpy，特別是histrogram2d函數。 我使用2d直方圖對點的3D空間分佈（數組x,y和z）進行裝箱。對於每個點，我都有一個關聯的密度字段d。

如果我做類似的東西

import numpy as np 
H, xedges, yedges = np.histogram2d(x,y,bins=200,weights=d) 

直方圖H代表沿着線的視線的密度（在這種情況下，在z軸）的總和。考慮到我正在處理非常大的陣列，這非常快速和容易。

現在我想更進一步，而不是繪製沿視線密度的總和，我想在每個二維bin中獲得最大密度。 我編寫了可能的解決方案：

from numpy import * 
x=array([0.5,0.5,0.2,0.3,0.2,0.25,0.35,0.6,0.1,0.22,0.7,0.45,0.57,0.65]) 
y=array([0.5,0.5,0.28,0.18,0.85,0.9,0.44,0.7,0.1,0.22,0.7,0.45,0.54,0.65]) 
d=array([1,1,2,2,3,5,6,8,7,9,6,10,5,7]) 

bins=linspace(0,1,64) 

idx=digitize(x,bins) 
idy=digitize(y,bins) 

img2=zeros((len(bins),len(bins))) 

for i in arange(0,len(d)): 
    dummy=idx[i] 
    dummy2=idy[i] 
    img2[dummy][dummy2]=max(d[i],img2[dummy][dummy2]) 

但是在最後幾行的循環可能是一個巨大的數據集很慢。關於如何讓它更快的任何想法？

Answer 1

這裏是我會怎麼做，對不起，我沒有時間，現在寫了代碼：

1. 使用numpy.ravel_multi_index把二維問題轉化爲一維問題。
2. 看看numpy.unique的執行情況，你想要這樣做來獲得獨特的bin值，但是你希望以這樣的方式來完成，以便它也可以使d的最小值/最大值保持相同時間。 numpy.lexsort也可能在這裏幫助。
3. 搬回2D空間應該是這麼簡單img2.flat[uniq_1d_bin_value] = bin_max

我希望這是足以讓你開始。如果你有麻煩，你可以發佈你的代碼，讓我們知道你被困住的地方，也許我或其他人可以幫助你重新走上正確的道路。