Python (numpy) - corréler deux parcelles binned

Question

Ma question est comment est-ce que je corréler mes deux parcelles binned et produire un coefficient de corrélation de Pearson?

Je ne suis pas sûr comment extraire correctement les tableaux binned nécessaires pour la fonction np.corrcoef. Voici mon script:

import numpy as np 
import matplotlib.pyplot as plt 

A = np.genfromtxt('data1.txt') 
x1 = A[:,1] 
y1 = A[:,2] 

B=np.genfromtxt('data2.txt') 
x2 = B[:,1] 
y2 = B[:,2] 

fig = plt.figure() 
plt.subplots_adjust(hspace=0.5) 
plt.subplot(121) 
AA = plt.hexbin(x1,y1,cmap='jet',gridsize=500,vmin=0,vmax=450,mincnt=1) 
plt.axis([-180,180,-180,180]) 
cb = plt.colorbar() 
plt.title('Data1') 

plt.subplot(122) 
BB = plt.hexbin(x2,y2,cmap='jet',gridsize=500,vmin=0,vmax=450,mincnt=1) 
plt.axis([-180,180,-180,180]) 
cb = plt.colorbar() 
plt.title('Data 2') 

array1 = np.ndarray.flatten(AA) 
array2 = np.ndarray.flatten(BB) 

print np.corrcoef(array1,array2) 

plt.show() 

Answer 1

La réponse se trouve dans le documentation:

Renvoie: objet

une instance PolyCollection; Utilisez get_array() sur ce PolyCollection pour obtenir les comptes dans chaque hexagone.

est ici une version révisée de votre code:

A = np.genfromtxt('data1.txt') 
x1 = A[:,1] 
y1 = A[:,2] 

B = np.genfromtxt('data2.txt') 
x2 = B[:,1] 
y2 = B[:,2] 

# make figure and axes 
fig, (ax1, ax2) = plt.subplots(1, 2) 

# define common keyword arguments 
hex_params = dict(cmap='jet', gridsize=500, vmin=0, vmax=450, mincnt=1) 

# plot and set titles 
hex1 = ax1.hexbin(x1, y1, **hex_params) 
hex2 = ax2.hexbin(x2, y2, **hex_params) 
ax1.set_title('Data 1') 
ax2.set_title('Data 2') 

# set axes lims 
[ax.set_xlim(-180, 180) for ax in (ax1, ax2)] 
[ax.set_ylim(-180, 180) for ax in (ax1, ax2)] 

# add single colorbar 
fig.subplots_adjust(right=0.8, hspace=0.5) 
cbar_ax = fig.add_axes([0.85, 0.15, 0.05, 0.7]) 
fig.colorbar(hex2, cax=cbar_ax) 

# get binned data and corr coeff 
binned1 = hex1.get_array() 
binned2 = hex2.get_array()  
print np.corrcoef(binned1, binned2) 

plt.show() 

---

Deux commentaires si: êtes-vous sûr que vous voulez que le coefficient de corrélation pearson? Qu'est-ce que vous essayez réellement de montrer? Si vous souhaitez montrer que les distributions sont identiques/différentes, vous pouvez utiliser un test de Kolmogorov-Smirnov.

N'utilisez pas non plus jet comme palette de couleurs. Jet is bad.