我试图用一个大的数据集做一些计算,我想在不丢失较大的几何图形的情况下减少我使用的点的数量。我们的想法是将整个数据集划分成一个10 x 10的网格,每个框内只有一个点(最好尽可能靠近框的中心)进入我的另一个代码
假设我有一个这样的随机群体
x_rand = np.random.uniform(low=-20, high=20, size=(1000))
y_rand = np.random.uniform(low=-20, high=20, size=(1000))
我希望结果看起来像这样(在油漆上做得很快,所以不是很严格)。红色点是代码将选择的点) (https://i.imgur.com/s8j04uB.png) 我不知道我是否应该使用np.split或使布尔映射或矩阵
谢谢一堆sbaby171!我能把你的答案归纳成一个函数
最后,我的代码返回了:https://i.imgur.com/mhazN9C.png
这不是一个接近正确答案的地方:在每次
range_find
调用的冗余检查中使用内存是浪费的,而且它只沿着x=y轴运行。然而,它展示了如何从零开始编写它的基本知识基本上,选择一个区域,找到该区域中的所有X和Y,收集它们,然后计算平均值,并存储在单独的数组中
Scatter-plot
编辑:为10x10案例添加了网格记号标记
相关问题 更多 >
编程相关推荐