如何用Python对二维数据沿x轴进行指数分箱？

没问题！要实现你说的这种在log-log尺度上呈线性的指数分箱（也就是每个分箱是10^0~101、10^1~102这类对数区间），核心是先生成对数间距的分箱边界，再把x值分配到对应分箱，最后计算每个分箱内y值的平均值。下面是具体的步骤和代码示例：

步骤1：生成对数间距的分箱边界 #

我们用numpy.logspace()来生成等对数间距的分箱边界，它能直接帮你生成10^a到10b之间的均匀对数间隔点。比如你想从10^0到103分3个箱，边界就是[1,10,100,1000]：

import numpy as np

# 替换成你自己的x（入度）和y（出度）数组
x = np.random.uniform(1, 1000, 1000)  # 模拟入度数据
y = np.random.uniform(0.1, 100, 1000)  # 模拟出度数据

# 定义分箱参数：你可以根据自己的数据调整这些值
min_log = 0    # 分箱起始的对数（对应10^0）
max_log = 3    # 分箱结束的对数（对应10^3）
num_bins = 3   # 分箱数量

# 生成对数间距的分箱边界
bin_edges = np.logspace(min_log, max_log, num_bins + 1)

步骤2：把x值分配到对应分箱 #

用numpy.digitize()就能快速得到每个x值所属的分箱索引：

# 获取每个x对应的分箱索引（索引从1开始，对应第一个分箱是bin_edges[0]~bin_edges[1]）
bin_indices = np.digitize(x, bin_edges)

步骤3：计算每个分箱内y值的平均值 #

这里给你两种实现方式，按需选择：

方法一：纯Numpy实现（不需要额外库） #

bin_means = []
for i in range(1, num_bins + 1):
    # 筛选出当前分箱内的所有y值
    y_in_bin = y[bin_indices == i]
    if len(y_in_bin) > 0:
        bin_means.append(np.mean(y_in_bin))
    else:
        bin_means.append(np.nan)  # 空分箱填充NaN，避免后续绘图报错

# 计算分箱的中心值（用于绘图，几何均值更适合log尺度）
bin_centers = np.sqrt(bin_edges[:-1] * bin_edges[1:])

方法二：用Pandas更简洁实现（代码更直观） #

如果你平时用Pandas处理数据，分组计算会更省心：

import pandas as pd

# 把数据转成DataFrame
df = pd.DataFrame({'入度': x, '出度': y})
# 给每个x值分配分箱
df['分箱'] = pd.cut(df['入度'], bins=bin_edges)
# 分组计算每个分箱的出度均值
bin_stats = df.groupby('分箱')['出度'].mean().reset_index()
# 计算分箱中心值用于绘图
bin_stats['分箱中心'] = bin_stats['分箱'].apply(lambda interval: np.sqrt(interval.left * interval.right))

步骤4：绘制分箱后的log-log图 #

最后把原始数据和分箱后的结果画出来对比，就能看到平滑后的关系了：

import matplotlib.pyplot as plt

plt.loglog(x, y, 'o', alpha=0.3, label='原始数据')
plt.loglog(bin_centers, bin_means, 's-', color='darkred', label='分箱均值')
plt.xlabel('入度')
plt.ylabel('出度')
plt.legend()
plt.title('网络同配性（入度-出度）分箱图')
plt.show()

为什么不用np.hist/plt.hist？ #

你说得完全对！np.hist和plt.hist默认是统计每个分箱内的样本数量（频数），而我们需要的是对y值做聚合计算（求均值），所以上面的方法更贴合你的需求。

如果需要调整分箱的精细度，只要修改num_bins参数就行，比如改成5个分箱，就能得到更细的对数区间啦。

内容的提问来源于stack exchange，提问作者antimornings