Python numpy.histogram()用法及代码示例

Python 的 numpy 模块提供了一个名为 numpy.histogram() 的函数。此函数表示与一组值范围进行比较的值数量的频率。这个函数类似于matplotlib.pyplot的hist()函数。

简单来说，这个函数用于计算数据集的直方图。

用法:

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

参数：

x:数组

此参数定义了一个扁平化的数组，在该数组上计算直方图。

bins:int 或 str 或标量序列(可选)

如果此参数定义为整数，则在给定范围内，它定义了 equal-width 个 bin 的数量。否则，定义单调增加的 bin 边数组。它还包括最右边的边，允许不均匀的 bin 宽度。最新版本的 numpy 允许我们将 bin 参数设置为字符串，它定义了一种计算最佳 bin 宽度的方法。

范围：(浮点数，浮点数)(可选)

该参数定义了 bin 的 lower-upper 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该等于或小于第二个元素。

规范：布尔(可选)

此参数与密度参数相同，但它可能会为不相等的 bin 宽度提供错误的输出。

权重：数组(可选)

该参数定义了一个包含权重且形状与 'x' 相同的数组。

密度：布尔(可选)

如果设置为 True，将导致每个 bin 中的样本数。如果其值为 False，则密度函数将导致 bin 中概率密度函数的值。

返回值：

历史：数组

密度函数返回直方图的值。

edge_bin：浮点型数组

此函数返回 bin 边 (length(hist+1))。

范例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

我们已经导入了别名为 np.
我们已经声明了变量 'a' 并分配了 np.histogram() 函数的返回值。
我们在函数中传递了一个数组和 bin 的值。
最后，我们尝试打印 'a' 的值。

在输出中，它显示了一个包含直方图值的 ndarray。

范例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]))

范例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]))

范例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. ])

范例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

我们已经导入了别名为 np.
我们使用 np.arange() 函数创建了一个数组 'a'。
我们已经声明了变量 'hist' 和 'bin_edges'，然后分配了 np.histogram() 函数的返回值。
我们已经传递了数组 'a' 并在函数中将 'density' 设置为 True。
我们尝试打印 'hist' 的值。
最后，我们尝试使用 hist.sum() 和 np.sum() 计算直方图值的总和，其中我们传递了直方图值和 bin 的边。

在输出中，它显示了一个包含直方图值和直方图值总和的 ndarray。

相关用法

注：本文由纯净天空筛选整理自 numpy.histogram() in Python。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。