Python NumPy.histogram()用法及代码示例

直方图是将数据集分成称为M的小equal-sized个间隔，是可视化数据集频率分布的最佳方法。 Numpy直方图函数类似于hist()matplotlib库的函数，唯一的区别是Numpy直方图给出了数据集的数值表示，而hist()给出数据集的图形表示。

创建数字直方图

Numpy有内置numpy.histogram()函数以图形形式表示数据分发的频率。具有相等水平尺寸的矩形对应于称为区间的类间隔，并且对应于频率的可变高度。

用法:

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

上述函数的属性如下：

属性	参数
data	要绘制的数组或数组的序列
bins	int或str序列定义一个范围内的等宽框数，默认值为10
range	可选参数设置箱子的上下限
normed	与density属性相同的可选参数，对于不等的箱宽给出错误的结果
weights	可选参数定义与数据具有相同维度的权重数组
density	可选参数，如果结果为假，则每个仓中包含样本数；如果结果为真，则仓中包含概率密度函数

该函数具有两个返回值hist，该值提供直方图的值的数组，而edge_bin是浮点数据类型的数组，其中包含长度比hist长一的bin边。

例：

# Import libraries 
import numpy as np  
  
  
# Creating dataset 
a = np.random.randint(100, size =(50)) 
  
# Creating histogram 
np.histogram(a, bins = [0, 10, 20, 30, 40, 
                        50, 60, 70, 80, 90, 
                        100]) 
  
hist, bins = np.histogram(a, bins = [0, 10,  
                                     20, 30, 
                                     40, 50, 
                                     60, 70, 
                                     80, 90, 
                                     100])  
  
# printing histogram 
print() 
print (hist)  
print (bins)  
print()

输出：

图示

上面的直方图数字表示形式可以转换为图形形式。plt()函数存在于pyplotMatplotlib的子模块将数据集数组和bin数组作为参数，并创建相应数据值的直方图。

例：

# import libraries 
from matplotlib import pyplot as plt  
import numpy as np   
  
  
# Creating dataset 
a = np.random.randint(100, size =(50)) 
  
# Creating plot 
fig = plt.figure(figsize =(10, 7)) 
  
plt.hist(a, bins = [0, 10, 20, 30, 
                    40, 50, 60, 70, 
                    80, 90, 100])  
  
plt.title("Numpy Histogram")  
  
# show plot 
plt.show()

输出：

相关用法

注：本文由纯净天空筛选整理自jeeteshgavande30大神的英文原创作品 NumPy.histogram() Method 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。