Запуск медианы значений y в диапазоне x

Ниже представлен график рассеяния, построенный из двух массивов numpy.

Пример графика рассеяния

То, что я хотел бы добавить к этому сюжету, - это текущая медиана y в диапазоне x. Я привел пример в Photoshop:

Измененный график рассеяния

В частности, мне нужна медиана для точек данных в ячейках по 1 единице вдоль оси х между двумя значениями (этот диапазон будет варьироваться в зависимости от многих графиков, но я могу вручную отрегулировать его). Я ценю любые советы, которые могут указывать на меня в правильном направлении.

Ответ 1

Я бы использовал np.digitize, чтобы выполнить сортировку bin для вас. Таким образом, вы можете легко применить любую функцию и задать интересующий вас диапазон.

import numpy as np
import pylab as plt

N = 2000
total_bins = 10

# Sample data
X = np.random.random(size=N)*10
Y = X**2 + np.random.random(size=N)*X*10

bins = np.linspace(X.min(),X.max(), total_bins)
delta = bins[1]-bins[0]
idx  = np.digitize(X,bins)
running_median = [np.median(Y[idx==k]) for k in range(total_bins)]

plt.scatter(X,Y,color='k',alpha=.2,s=2)
plt.plot(bins-delta/2,running_median,'r--',lw=4,alpha=.8)
plt.axis('tight')
plt.show()

В качестве примера универсальности метода добавьте ошибки, заданные стандартным отклонением каждого бина:

running_std    = [Y[idx==k].std() for k in range(total_bins)]
plt.errorbar(bins-delta/2,running_median,
              running_std,fmt=None)

Ответ 2

Эта проблема также может быть эффективно решена с помощью python pandas (Библиотека анализа данных Python), которая предлагает собственные методы резки и анализа данных,

Рассмотрим это

(Kudos и +1 to @Hooked для своего примера, из которого я взял данные X и Y)

 import pandas as pd
 df = pd.DataFrame({'X' : X, 'Y' : Y})  #we build a dataframe from the data

 data_cut = pd.cut(df.X,bins)           #we cut the data following the bins
 grp = df.groupby(by = data_cut)        #we group the data by the cut

 ret = grp.aggregate(np.median)         #we produce an aggregate representation (median) of each bin

 #plotting

 plt.scatter(df.X,df.Y,color='k',alpha=.2,s=2)
 plt.plot(ret.X,ret.Y,'r--',lw=4,alpha=.8)
 plt.show()

Примечание: здесь значения x красной кривой являются би-му-х-медианами (можно использовать средние точки бункеров).

Ответ 3

Вы можете создать функцию на основе numpy.median(), которая будет вычислять медианное значение с учетом интервалов:

import numpy as np

def medians(x, y, intervals):
    out = []
    for xmin, xmax in intervals:
        mask = (x >= xmin) & (x < xmax)
        out.append(np.median(y[mask]))
    return np.array(out)

Затем используйте эту функцию для требуемых интервалов:

import matplotlib.pyplot as plt

intervals = ((18, 19), (19, 20), (20, 21), (21, 22))
centers = [(xmin+xmax)/2. for xmin, xmax in intervals]

plt.plot(centers, medians(x, y, intervals)

Ответ 4

Я написал что-то вроде этого в C#. Я не делаю Python, поэтому вот псевдокод:

создать List для использования для данных, которые медиана будет выведена из
сортировать точки разброса по площади x значение
цикл через отсортированные точки x значение
для каждой точки вставить значение Y этой точки в медианный список, чтобы средний список увеличивался как отсортированный список. то есть вставить Y, поэтому значение списка выше и ниже этого равно > и < это соответственно. Взгляните сюда: Вставка значений в определенные места в списке в Python.
после добавления каждого значения Y, медианное значение будет значением списка в текущем среднем индексе, т.е. List(List.Length/2)

Надеюсь, что это поможет!