使用相同的边比较不同的 histogram2d binnings

Question

我有一个如下所示的数据集：

tsne_results_x  tsne_results_y  team_id
0   -22.796648  -26.514051  107
1   11.985229   40.674446   107
2   -28.231720  -49.302216  107
3   31.942875   -14.427114  107
4   -46.436501  -7.750005   107
76  24.252718   -20.551889  8071
77  2.362172    17.170067   8071
78  7.212677    -9.056982   8071
79  -5.865472   -32.999077  8071

我想对 tsne_results_x 和 tsne_results_y 列进行分箱，为此我使用 numpy 函数 histogram2d

grid, xe, ye = np.histogram2d(df['tsne_results_x'], df['tsne_results_y'], bins=15)
gridx = np.linspace(min(df['tsne_results_x']),max(df['tsne_results_x']),15)
gridy = np.linspace(min(df['tsne_results_y']),max(df['tsne_results_y']),15)

plt.figure()
#plt.plot(x, y, 'ro')
plt.grid(True)

#plt.figure()
plt.pcolormesh(gridx, gridy, grid)
plt.colorbar()

plt.show()

但是，如您所见，我有一些 team_id在数据框中，我想将一个团队的各个数据箱与整个数据框进行比较。例如，对于一个团队，在一个特定的容器中，我想将其除以包括所有团队的总数。

因此，我认为在特定团队数据集上运行 histogram2d 并为整个数据集使用相同的行空间就可以解决问题。事实并非如此，因为 histogram2d 会对 one_team_df 进行不同的分类，因为数据具有不同的范围

one_team_df = df.loc[(df['team_id'] == str(299))]

grid_team, a, b = np.histogram2d(one_team_df['tsne_results_x'], one_team_df['tsne_results_y'], bins=15)



gridx = np.linspace(min(df['tsne_results_x']),max(df['tsne_results_x']),15)
gridy = np.linspace(min(df['tsne_results_y']),max(df['tsne_results_y']),15)

plt.figure()
#plt.plot(x, y, 'ro')
plt.grid(True)

#plt.figure()
plt.pcolormesh(gridx, gridy, grid_team)
#plt.plot(x, y, 'ro')
plt.colorbar()

plt.show()

我想知道如何制作这些两种表述具有可比性。是否可以运行 histogram2d 并给出 xedges 和 yedges ？这样我就可以使用整体分组的边缘对一个团队进行分组。

问候

Answer 1

np.histomgram2d 文档

binsint 或 array_like 或 [int, int] 或 [array, array]，可选
料仓规格：

如果是 int，则为二维的 bin 数量 (nx=ny=bins)。

如果是 array_like，则为二维的 bin 边缘 (x_edges=y_edges=bins)。

如果为 [int, int]，则为每个维度中的 bin 数量 (nx, ny = bins)。

如果为 [array, array]，则每个维度中的 bin 边缘 (x_edges, y_edges = bins)。

组合 [int, array] 或 [array, int]，其中 int 是 bin 数量，array 是 bin 边缘。

这意味着您可以根据需要指定垃圾箱。例如：

grid_team, a, b = np.histogram2d(
    one_team_df['tsne_results_x'], one_team_df['tsne_results_y'], 
    bins=[np.linspace(-40,40,15), np.linspace(-40,40,15)]
)