我有一些数据作为元组列表，每个元组包含两个浮点值。让我们称之为(A,B)。A可以是任何正浮子，B可以是正浮子或负浮子。
这里的目标是获取A值(0-5、5-10等(范围内所有B值的平均值，并在matplotlib图表上显示这些平均值(看起来像直方图，但实际上不是(。换言之，对于元组(6.5，2.1(，B值2.1将被包括在其配对A值在5-10范围内的所有B值的平均值中。
我制定的解决方案是根据A的范围构建bin，然后以某种方式根据A的值将B的值排序到这些bin中。创建bin时使用：
A_vals = [pairs[0] for pairs in tuple_list]
bins = range(min(A_vals), max(A_vals) + bin_width, bin_width)
但这就是我被难住的地方。我的第一个想法是创建一个以bin范围为键、以B值列表为值的字典，或者创建一个列表列表，其中每个子列表的索引与每个bin的索引相同。然而，即使仔细研究了纸上的物流，也表明该解决方案是如此复杂、低效和不雅，以至于它可能不起作用，而且几乎肯定会被大型数据集阻塞。
import numpy as np
data = [(6.5, 2), (3, 3), (4, 4), (5, 6.5), (7, 1), (11, 5.5)]
data = np.array(data)
edge = data[:,0].max() // 5 * 5
bins = np.arange(0, edge, 5)
# bins contains just the lower edges
indices = np.digitize(data[:,0], bins)
unique = set(indices)
means = np.empty(len(unique), dtype=float)
for index in unique:
bind = np.where(indices == index)
means[index-1] = data[bind,1].mean()
print("lower edges:", bins, "upper edges:", bins+5)
print("means for each interval:", means)
lower edges: [0. 5.] upper edges: [ 5. 10.]
means for each interval: [3.5 3.75]
您可以使用numpy的布尔索引：
import numpy as np
import matplotlib.pyplot as plt
data = np.random.rand(100,2) * 100
print(data)
for bucket in range(0,100,5):
b = data[(data[:,0] > bucket) & (data[:,0] < (bucket+5)), 1]
print( bucket, b.shape, b.sum(), b.sum() / b.shape[0] )
让我来解释一下。data[:0] > bucket生成布尔值数组，该数组在列0中的元素大于bucket的情况下为true。CCD_ 3对另一端做同样的事情。通过使用&，我们得到一个布尔值数组，该数组为True，其中列0在该范围内。
通过执行data[booleans,1]，我们为所有符合条件的行选择了第1列中的值。这就是你想要的。
输出：
0 (7,) 486.0666260029982 69.43808942899975
5 (2,) 162.75938362848922 81.37969181424461
10 (6,) 404.65207867981894 67.44201311330316
15 (4,) 216.561058153033 54.14026453825825
20 (4,) 158.6933597307469 39.67333993268672
25 (10,) 590.6337605765742 59.06337605765742
30 (8,) 499.48740241702797 62.435925302128496
35 (8,) 420.51694802312426 52.56461850289053
40 (4,) 142.7888162321809 35.69720405804522
45 (5,) 257.7772788672603 51.55545577345206
50 (3,) 143.1221738596666 47.70739128655553
55 (4,) 305.4444504680107 76.36111261700268
60 (3,) 101.81220129227752 33.937400430759176
65 (5,) 230.0416201277115 46.0083240255423
70 (4,) 207.47647619960338 51.869119049900846
75 (6,) 389.7446815957917 64.95744693263195
80 (2,) 148.1140683360823 74.05703416804116
85 (5,) 338.6856269475073 67.73712538950146
90 (4,) 211.83179680175812 52.95794920043953
95 (6,) 253.24855615591525 42.20809269265254
您使用"bin range"；还不错，所以我将通过提供一个示例实现来帮助您。我认为您缺少的是将值强制转换到相应范围的更好方法(这样所有A值都对应于范围0-5、5-10等等(。
考虑以下代码片段：
# Generate data to work on
from random import random
data = [(random()*20, random()*100 - 50) for _ in range(100)]
# Based on your question it seems the "bins" accept values differing by 5
classifier_difference = 5
# This is where the mapping comes into place, using defaultdict to avoid explicit initialisation for each key
from collections import defaultdict
bins = defaultdict(list)
# Bins will now map keys 0, 5, 10, ..., to a list of values exactly as they were in B
# You can modify key creation however you want really, but classifier // classifier_difference is the key point
for classifier, value in data:
key = int(classifier // classifier_difference) * classifier_difference
bins[key].append(value)
bins则可以打印为：
0 : [-32.67530553821753, 24.35350483989876, 12.01416796389043]
5 : [8.908191728237938, -28.726927969770234, 3.3525305442688946, -28.831840180707637]
10 : [-48.54368729435071]
15 : [15.648424404193577, 33.47713312289213]
我将把查找方法留给您，因为一旦您有了list实例，它就相当简单了。