如何用numpy.histogram更优雅地实现因变量与自变量的对应计数？

你的需求是将分时间区间统计的事件数，按对应时间区间的position进行累加，最终得到每个position的总事件数。这里提供两种基于NumPy的高效方案，替代原有的循环实现，尤其适合大数据集场景：

方法1：使用np.bincount（最简洁高效） #

np.bincount是NumPy中专门用于按索引分组求和的函数，完美匹配你的需求：

import numpy as np

# 基于你生成的events_binned和location变量
events_location_bin = np.bincount(
    location[:-1],  # 每个时间区间对应的position
    weights=events_binned,  # 每个区间的事件数作为权重
    minlength=5  # 确保输出覆盖position 0-4，长度为5
).astype(int)

print(events_location_bin)
# 输出：[3 0 3 7 7]

优势： #

• 一行代码完成统计，可读性极强
• 完全基于NumPy底层优化，比Python循环快几个数量级
• 自动处理重复position的累加逻辑

方法2：使用np.add.at（灵活可控） #

如果需要更直观的原地累加操作，np.add.at可以实现针对索引的批量累加，避免循环：

import numpy as np

events_location_bin = np.zeros(5, dtype=int)
# 按location[:-1]的索引，将events_binned的值累加到对应位置
np.add.at(events_location_bin, location[:-1], events_binned)

print(events_location_bin)
# 输出：[3 0 3 7 7]

优势： #

• 操作直观，适合需要后续修改数组的场景
• 同样是NumPy原生向量化操作，性能远超循环
• 支持复杂索引场景的累加

与原方案对比 #

原Python循环在小数据集下可以正常工作，但当数据量（时间区间、事件数）增大时，会因为Python解释器的循环开销导致性能急剧下降。上述两种方案完全基于NumPy的C语言实现，内存效率和计算速度都有质的提升，同时代码更简洁易维护。

内容的提问来源于stack exchange，提问作者lachieau