NumPy numpy.histogram()的使用

Python的numpy模块提供了一个叫做numpy.histogram()的函数。这个函数可以表示与一组值范围进行比较的值的频率。这个函数类似于matplotlib.pyplot的hist()函数。

简单来说，这个函数用于计算一组数据的直方图。

语法

numpy.histogram(x, bins=10, range=None, normed=None, weights=None, density=None)

参数

x: array_like

此参数定义了计算直方图的展平数组。

bins: int或者str或标量的序列（可选）

如果此参数定义为整数，则在给定范围内定义等宽箱子的数量。否则，定义了一个单调递增的箱子边界数组。它还包括最右边的边界，允许非均匀的箱子宽度。最新版本的 numpy 允许我们用字符串来设置箱子参数，以定义计算最佳箱子宽度的方法。

range : (float, float)(可选)

此参数定义了箱子的下限和上限范围。默认情况下，范围是 (x.min(), x.max()) 。超出范围的值将被忽略。第一个元素的范围应等于或小于第二个元素的范围。

normed : bool(可选)

此参数与密度参数相同，但对于不等宽箱子，它可能会导致错误的输出。

weights : array_like(可选)

此参数定义了一个包含权重的数组，并且与 ‘x’ 的形状相同。

density : bool(可选)

如果设置为True，则将得到每个箱子中的样本数量。如果值为False，则密度函数将得到箱子中的概率密度函数的值。

返回值

hist: 数组

密度函数返回直方图的值。

edge_bin: 浮点数数组

此函数返回箱子的边界 (长度为hist+1) 。

示例1

import numpy as np
a=np.histogram([1, 5, 2], bins=[0, 1, 2, 3])
a

输出：

(array([0, 1, 1], dtype=int64), array([0, 1, 2, 3]))

在上面的代码中

我们使用别名np导入了numpy库。
我们声明了变量’a’并将 np.histogram() 函数的返回值赋给了它。
我们在函数中传入了一个数组和bin的值。
最后，我们尝试打印 ‘a’ 的值。

在输出中，它显示一个包含直方图值的二维数组。

示例2

import numpy as np
x=np.histogram(np.arange(6), bins=np.arange(7), density=True)
x

输出:

(array([0.16666667, 0.16666667, 0.16666667, 0.16666667, 0.16666667,
       0.16666667]), array([0, 1, 2, 3, 4, 5, 6]))

示例3

import numpy as np
x=np.histogram([[1, 3, 1], [1, 3, 1]], bins=[0,1,2,3])
x

输出：

(array([0, 4, 2], dtype=int64), array([0, 1, 2, 3]))

示例4

import numpy as np
a = np.arange(8)
hist, bin_edges = np.histogram(a, density=True)
hist
bin_edges

输出:

array([0.17857143, 0.17857143, 0.17857143, 0.        , 0.17857143,
       0.17857143, 0.        , 0.17857143, 0.17857143, 0.17857143])
array([0. , 0.7, 1.4, 2.1, 2.8, 3.5, 4.2, 4.9, 5.6, 6.3, 7. ])

示例5

import numpy as np
a = np.arange(8)
hist, bin_edges = np.histogram(a, density=True)
hist
hist.sum()
np.sum(hist * np.diff(bin_edges))

输出：

array([0.17857143, 0.17857143, 0.17857143, 0.        , 0.17857143,
       0.17857143, 0.        , 0.17857143, 0.17857143, 0.17857143])
1.4285714285714288
1.0

在上面的代码中，