python - numpy.histogram2d 的问题

Question

我正在尝试查看 numpy.histogram2d 是否会为我将 2 个数组中的数据交叉制表。我以前从未使用过此功能，但遇到了一个我不知道如何修复的错误。

import numpy as np
import random
zones = np.zeros((20,30), int)
values = np.zeros((20,30), int)
for i in range(20):
    for j in range(30):
        values[i,j] = random.randint(0,10)
zones[:8,:15] = 100
zones[8:,:15] = 101
zones[:8,15:] = 102
zones[8:,15:] = 103
np.histogram2d(zones,values)

此代码会导致以下错误:

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-18-53447df32000> in <module>()
----> 1 np.histogram2d(zones,values)

C:\Python27\ArcGISx6410.2\lib\site-packages\numpy\lib\twodim_base.pyc in histogram2d(x, y, bins, range, normed, weights)
    613         xedges = yedges = asarray(bins, float)
    614         bins = [xedges, yedges]
--> 615     hist, edges = histogramdd([x,y], bins, range, normed, weights)
    616     return hist, edges[0], edges[1]
    617 

C:\Python27\ArcGISx6410.2\lib\site-packages\numpy\lib\function_base.pyc in histogramdd(sample, bins, range, normed, weights)
    279         # Sample is a sequence of 1D arrays.
    280         sample = atleast_2d(sample).T
--> 281         N, D = sample.shape
    282 
    283     nbin = empty(D, int)

ValueError: too many values to unpack

这是我想要完成的:

我有 2 个数组。一个数组来自表示土地覆盖类(例如 1=树、2=草、3=建筑物等)的地理数据集(栅格)。另一个数组来自表示某种政治边界(例如地 block 、人口普查区、城镇等)的地理数据集(栅格)。我正在尝试获取一个表格，其中将每个唯一的政治边界区域(数组值表示一个唯一的 ID)列为行，每个土地覆盖类的每个边界内的像素总数列为列。

Answer 1

我假设 values 是土地覆盖，zones 是政治边界。您可能想要使用 np.bincount，它就像一个特殊的直方图，其中每个 bin 的间距和宽度正好为一个。

import numpy as np

zones = np.zeros((20,30), int)
zones[:8,:15] = 100
zones[8:,:15] = 101
zones[:8,15:] = 102
zones[8:,15:] = 103

values = np.random.randint(0,10,(20,30))  # no need for that loop

tab = np.array([np.bincount(values[zones==zone]) for zone in np.unique(zones)])

不过，如果您小心处理 bin 边缘，则可以使用直方图更简单地完成此操作:

np.histogram2d(zones.flatten(), values.flatten(), bins=[np.unique(zones).size, values.max()-values.min()+1])

其工作方式如下。最简单的示例是查看所有值而不考虑区域:

np.bincount(values)

这会为您提供一行，其中包含每个值(0 到 10)的计数。下一步是查看区域。 对于一个区域，您只有一行，它将是:

zone = 101         # the desired zone
mask = zone==zones # a mask that is True wherever your zones map matches the desired zone
np.bincount(values[mask])  # count the values where the mask is True

现在，我们只想对 map 中的每个区域执行此操作。您可以使用以下命令获取区域 map 中唯一值的列表

zs = np.unique(zones)

并通过列表理解循环遍历它，其中每个项目都是上面的行之一:

tab = np.array([np.bincount(values[zones==zone]) for zone in np.unique(zones)])

然后，你的表看起来像这样:

print tab
# elements with cover = 
#  0  1  2  3  4  5  6  7  8  9     # in zone:
[[16 11 10 12 13 15 11  7 13 12]    # 100
 [13 23 15 16 24 16 24 21 15 13]    # 101
 [10 12 23 13 12 11 11  5 11 12]    # 102
 [19 25 20 12 16 19 13 18 22 16]]   # 103

最后，您可以在 matplotlib 中绘制它:

import matplotlib.pyplot as plt

plt.hist2d(zones.flatten(), values.flatten(), bins=[np.unique(zones).size, values.max()-values.min()+1])