有哪些“毛毛雨”算法的有效实现可用？问题是，给定一个数据时间流，其中每个元素都与地图中的一个像素相关联，您如何创建该地图？每个像素可能有许多与之关联的数据点。每个数据点可能需要加权。

例如，在 python/numpy 中，给定一个数据数组d、一个权重数组w、一个映射m、一个权重映射wm和一个从 d 到 m 的映射xinds,yinds，你可以这样做：

for jj,(xx,yy) in enumerate(xinds,yinds):
    m[xx,yy] += (d*w)[jj]
    wm[xx,yy] += w[jj]
final_image = m/wm

其中xx, yy, d, 和w具有相同的长度。此外，xx和yy是 matrix x，y位置。

如何提高效率？是否有 python 中的工具或其他语言的库来执行此操作？我什至用正确的名字来称呼这个算法吗？

David Fanning 的网站IDL显示了使用该histogram功能的有效实现

编辑：在问了这个问题之后，我意识到我有答案......numpy.bincount在 numpy. 如果映射t = xinds + yinds*xsizewherexsize是地图的 x 维度

# shapes of x,y indices need to be flat
x,y = (a.ravel() for a in numpy.indices(m.shape))
dc = numpy.bincount(t,d*w)
wc = numpy.bincount(t,w)
m[x,y] = dc
wm[x,y] = wc

（实现这个的函数）

了解该算法的其他实现仍然很有用。或者也许是计算t映射和不同加权方案的方法——我上面根本没有讨论这个，但我认为在创造这个术语的上下文中（哈勃成像），确定这两个变量都涉及复杂性。

EDIT2：推论-如果我想中下毛毛雨怎么办？即，不是对最终地图进行平均，而是中位数？

（这不是有效代码，而是模糊的伪代码......你不能在 python 中拥有二维列表，尽管嵌套列表是可以的）

for jj,(xx,yy) in enumerate(xinds,yinds):
    m[xx,yy].append((d*w)[jj])
for jj,(xx,yy) in enumerate(xinds,yinds):
    m[xx,yy] = median(m[xx,yy])