Numpy：通过平均值的regrid？

Question

我想将一个numpy数组重新加入一个新的网格。在这个特定的情况下，我试图将一个功率谱重新映射到一个对数网格上，以便数据以对数方式均匀间隔以用于绘图目的。

使用np.interp进行直插插值会导致一些原始数据被完全忽略。使用digitize得到我想要的结果，但我已经使用了一些丑陋的循环，以得到它的工作：

xfreq = np.fft.fftfreq(100)[1:50] # only positive, nonzero freqs 
psw = np.arange(xfreq.size) # dummy array for MWE 

# new logarithmic grid 
logfreq = np.logspace(np.log10(np.min(xfreq)), np.log10(np.max(xfreq)), 100) 

inds = np.digitize(xfreq,logfreq) 

# interpolation: ignores data *but* populates all points 
logpsw = np.interp(logfreq, xfreq, psw) 
# so average down where available... 
logpsw[np.unique(inds)] = [psw[inds==i].mean() for i in np.unique(inds)] 

# the new plot 
loglog(logfreq, logpsw, linewidth=0.5, color='k') 

是否有numpy的做到这一点一个更好的办法吗？我只会满足于更换内联循环步骤。

Answer 1

您可以使用bincount()两次来计算每个仓的平均值：

logpsw2 = np.interp(logfreq, xfreq, psw) 
counts = np.bincount(inds) 
mask = counts != 0 
logpsw2[mask] = np.bincount(inds, psw)[mask]/counts[mask] 

或使用unique(inds, return_inverse=True)和bincount()两次：

logpsw4 = np.interp(logfreq, xfreq, psw) 
uinds, inv_index = np.unique(inds, return_inverse=True) 
logpsw4[uinds] = np.bincount(inv_index, psw)/np.bincount(inv_index) 

或者，如果您使用熊猫：

import pandas as pd 
logpsw4 = np.interp(logfreq, xfreq, psw) 
s = pd.groupby(pd.Series(psw), inds).mean() 
logpsw4[s.index] = s.values