将我的数据分成一个网格，在每个框中选择一个点

Question

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

Answer 1

谢谢一堆sbaby171！我能把你的答案归纳成一个函数

def range_find(lowx,highx,lowy,highy,xs,ys): 
    _xs = []; _ys = [];
    i = 0
    while (i < len(xs)): 
        j = 0
        while (j < len(ys)): 
            if (lowx < xs[i] < highx) and (lowy < ys[j] < highy): 
                _xs.append(xs[i]); _ys.append(ys[j]);
            j += 1
        i += 1
    xmean = np.mean(np.asarray(_xs))
    ymean = np.mean(np.asarray(_ys))
    return xmean, ymean 

def make_grid(x,y,n):
    xsort = np.sort(x)
    ysort = np.sort(y)
    splitx = np.split(xsort, n)
    splity = np.split(ysort, n)

    lowx = np.zeros(n)
    lowy = np.zeros(n)
    highx = np.zeros(n)
    highy = np.zeros(n)

    for k in range (0,n):
        lowx[k] = np.nanmin(splitx[k])
        lowy[k] = np.nanmin(splity[k])
        highx[k] = np.nanmax(splitx[k])
        highy[k] = np.nanmax(splity[k])
    return lowx, highx, lowy, highy

def get_GridPoints(x,y,n):
    lowx,highx,lowy,highy = make_grid(x,y,n)
    xms = []
    yms = []
    print(lowx)
    print(highx)
    print(lowy)
    print(highy)
    for w in range(0,n):
        for t in range(0,n):
            xn,yn = range_find(lowx[w],highx[w],lowy[t],highy[t], x, y) 
            xms.append(xn)
            yms.append(yn)

    return np.array(xms), np.array(yms)

最后，我的代码返回了：https://i.imgur.com/mhazN9C.png