sparse_linear_binning 1.1.0

sparse_linear_binning: linear binning (optimized for sparsity)

执行Wand and Jones中描述的线性装箱技术 在任意维数的规则间隔网格上。这个 asymptotic behavior 这种组合技术的性能优于所谓的简单组合 （如直方图）。d-维空间中的每个数据点必须 具有相关权重（对于同等权重的点，只需使用权重 每个点的1.0的）。

例如，在具有角点A、B、C和D的二维网格（A段）内 以及具有权重wp:

A-----------------------------------B
|        |                          |
|                                   |
|        |                          |
|- - - - P- - - - - - - - - - - - - |
|        |                          |
D-----------------------------------C

• 给角A分配P和C之间面积比例的权重 （乘以wp）
• 将权重分配给p和d之间面积比例的角b （乘以wp）
• 给角C分配P和A之间面积比例的权重 （乘以wp）
• 将权重分配给p和b之间面积比例的角d （乘以wp）

注意，当 指定每个维度中网格点的数量（网格点动作 作为垃圾箱中心）。例如，如果希望网格点以0.1步为单位 在[0,1]范围内（即（0，.1，.2，.3，.4，.5，.6，.7，.8，.9，1））， 指定轴网点数为11。在内部，网格点 存储在一个高性能的基于C++的哈希表中。 （sparsepp）。这就允许 在某些情况下，由于哈希表没有 为具有接近零权重的网格点分配内存。适应 每个维度上任意数量的容器，任意精度 数字库（boost multiprecision） 可能在内部使用，会对性能产生负面影响。如果这个 性能下降是不可接受的，考虑减少 网格点的乘积 维度小于“无符号长long”的数值最大值。 你的系统。例如，在20个维度中，每个维度都有 51个网格点总计为1417109867075304357562612542226001 任意精度库的潜在网格点 必须注意与确定网格点相关的所有算法。

fromsparse_linear_binningimportsparse_linear_binningimportnumpyasnp# generate one million random 2D points and weights# (should take less than a second to bin)n_samples=1000000D=2# coordinates, weights, and extents must be of type "double"sample_coords=np.random.random(size=(n_samples,D))sample_weights=np.random.random(size=n_samples)extents=np.tile([0.,1.],D).reshape((D,2))n_bins=np.full(D,51)coords,weights=sparse_linear_binning(sample_coords,sample_weights,extents,n_bins)# check that weights on grid match original weightsprint(np.allclose(weights.sum(),sample_weights.sum()))