为什么新的贡献者在所有事情上都受到限制？[已结束]

由于他人的行为而受到限制，您在网站上的互动方式受到限制是很烦人的。但是，如果您真的要面对 30 分钟的多个答案，那么您不应该有这个问题太久，因为您的答案会被点赞，并且您会发现自己很快就会脱离代表截止时间。

我从未使用过 matlab，但从您之前的问题来看，我怀疑您正在寻找类似于 Kdtree 或变体的东西。

澄清：由于对此似乎存在一些混淆，我认为伪代码示例是有序的。

// Some of this shamelessly borrowed from the wikipedia article
function kdtree(points, lower_bound, upper_bound) {
    // lower_bound and upper_bound are the boundaries of your bucket
    if(points is empty) {
        return nil
    }
    // It's a trivial exercise to control the minimum size of a partition as well
    else {
        // Sort the points list and choose the median element
        select median from points.x

        node.location = median;

        node.left = kdtree(select from points where lower_bound < points.x <= median, lower_bound, median);
        node.right = kdtree(select from points where median < points.x <= upper_bound, median, upper_bound);

        return node
    }
}

kdtree(points, -inf, inf)

// or alternatively

kdtree(points, min(points.x), max(points.x))

听起来您想使用大小因 x 值的密度而异的条柱。我认为您仍然可以像上一篇文章的答案一样使用 HISTC 函数，但您只需要给它一组不同的边缘。

我不知道这是否正是您想要的，但这里有一个建议：不要将 x 轴拆分为 70 个等距组，而是将排序后的 x 数据拆分为 70 个相等的组并确定边值。我认为这段代码应该有效：

% Start by assuming x and y are vectors of data:

nBins = 70;
nValues = length(x);
[xsort,index] = sort(x);  % Sort x in ascending order
ysort = y(index);         % Sort y the same way as x
binEdges = [xsort(1:ceil(nValues/nBins):nValues) xsort(nValues)+1];

% Bin the data and get the averages as in previous post (using ysort instead of y):

[h,whichBin] = histc(xsort,binEdges);

for i = 1:nBins
    flagBinMembers = (whichBin == i);
    binMembers = ysort(flagBinMembers);
    binMean(i) = mean(binMembers);
end

这应该为您提供大小随数据密度而变化的箱。

更新：另一个版本...

这是我在发表一些评论后想出的另一个想法。使用此代码，您可以为 x 中相邻数据点之间的差值设置阈值 （maxDelta）。任何与较大的邻居相差大于或等于 maxDelta 的 x 值都被迫放在它们自己的 bin 中（所有这些都由它们的孤独）。您仍可为 nBin 选择一个值，但当分散点降级到其自己的 bin 时，最终的 bin 数将大于此值。

% Start by assuming x and y are vectors of data:

maxDelta = 10; % Or whatever suits your data set!
nBins = 70;
nValues = length(x);
[xsort,index] = sort(x);  % Sort x in ascending order
ysort = y(index);         % Sort y the same way as x

% Create bin edges:

edgeIndex = false(1,nValues);
edgeIndex(1:ceil(nValues/nBins):nValues) = true;
edgeIndex = edgeIndex | ([0 diff(xsort)] >= maxDelta);
nBins = sum(edgeIndex);
binEdges = [xsort(edgeIndex) xsort(nValues)+1];

% Bin the data and get the y averages:

[h,whichBin] = histc(xsort,binEdges);

for i = 1:nBins
    flagBinMembers = (whichBin == i);
    binMembers = ysort(flagBinMembers);
    binMean(i) = mean(binMembers);
end

我在几个小样本数据集上测试了它，它似乎做了它应该做的事情。希望它也适用于您的数据集，无论它包含什么！=)