Python numpy bincount用法及代码示例

本文简要介绍 python 语言中 numpy.bincount 的用法。

用法:

numpy.bincount(x, /, weights=None, minlength=0)

计算非负整数数组中每个值的出现次数。

bin 的数量(大小为 1)比中的最大值大 1x.如果最小长度指定后，输出数组中至少会有这个数量的 bin(尽管必要时会更长，具体取决于x)。每个 bin 给出其索引值出现的次数x.如果权重指定输入数组由它加权，即如果一个值n发现在位置i,out[n] += weight[i]代替out[n] += 1.

参数：

x： 数组，一维，非负整数

输入数组。

weights： 数组，可选

权重，与 x 形状相同的数组。

minlength： 整数，可选

输出数组的最小 bin 数。

返回：

out： 整数数组

对输入数组进行装箱的结果。长度为out等于np.amax(x)+1.

抛出：

ValueError

如果输入不是一维的，或者包含具有负值的元素，或者 minlength 为负。

TypeError

如果输入的类型是浮点数或复数。

例子：

>>> np.bincount(np.arange(5))
array([1, 1, 1, 1, 1])
>>> np.bincount(np.array([0, 1, 1, 3, 2, 1, 7]))
array([1, 3, 1, 1, 0, 0, 0, 1])

>>> x = np.array([0, 1, 1, 3, 2, 1, 7, 23])
>>> np.bincount(x).size == np.amax(x)+1
True

输入数组必须是整数数据类型，否则会引发 TypeError：

>>> np.bincount(np.arange(5, dtype=float))
Traceback (most recent call last):
  ...
TypeError: Cannot cast array data from dtype('float64') to dtype('int64')
according to the rule 'safe'

bincount 的一个可能用途是使用 weights 关键字对数组的 variable-size 块执行求和。

>>> w = np.array([0.3, 0.5, 0.2, 0.7, 1., -0.6]) # weights
>>> x = np.array([0, 1, 1, 2, 2, 2])
>>> np.bincount(x,  weights=w)
array([ 0.3,  0.7,  1.1])