Python numpy histogram用法及代码示例

本文简要介绍 python 语言中 numpy.histogram 的用法。

用法:

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

计算数据集的直方图。

参数：

a： array_like

输入数据。直方图是在展平的数组上计算的。

bins： int 或标量序列或 str，可选

如果 bins 是一个 int，它定义给定范围内的 equal-width bins 的数量(默认为 10)。如果 bins 是一个序列，它定义了一个单调递增的 bin 边数组，包括最右边的边，允许不均匀的 bin 宽度。

如果箱子是一个字符串，它定义了用于计算最佳 bin 宽度的方法，定义为numpy.histogram_bin_edges.

range： (浮点数，浮点数)，可选

bin 的下限和上限范围。如果没有提供，范围很简单(a.min(), a.max()).超出范围的值将被忽略。范围的第一个元素必须小于或等于第二个元素。范围也会影响自动 bin 计算。虽然根据内部的实际数据计算出 bin 宽度是最佳的范围, bin 计数将填充整个范围，包括不包含数据的部分。

normed： 布尔型，可选

这等效于密度参数，但会为不相等的 bin 宽度产生不正确的结果。它不应该被使用。

weights： 数组，可选

一组权重，与 a 的形状相同。 a 中的每个值仅将其相关权重贡献给 bin 计数(而不是 1)。如果密度为真，则权重被归一化，因此密度在该范围内的积分保持为 1。

density： 布尔型，可选

如果False，结果将包含每个 bin 中的样本数。如果True, 结果就是概率的值密度在 bin 处的函数，归一化使得不可缺少的在范围内为 1。请注意，直方图值的总和将不等于 1，除非选择了统一宽度的 bin；这不是概率大量的函数。

如果给定，则覆盖 normed 关键字。

返回：

hist： 数组

直方图的值。有关可能语义的说明，请参见密度和权重。

bin_edges： dtype 浮点数组

返回 bin 边 (length(hist)+1) 。

注意：

除了最后一个 (righthand-most) 箱子之外的所有箱子都是半开的。换句话说，如果 bins 是：

[1, 2, 3, 4]

那么第一个箱子是[1, 2)(包括1个，但不包括2个)和第二个[2, 3).然而，最后一个箱子是[3, 4]， 哪一个包括 4.

例子：

>>> np.histogram([1, 2, 1], bins=[0, 1, 2, 3])
(array([0, 2, 1]), array([0, 1, 2, 3]))
>>> np.histogram(np.arange(4), bins=np.arange(5), density=True)
(array([0.25, 0.25, 0.25, 0.25]), array([0, 1, 2, 3, 4]))
>>> np.histogram([[1, 2, 1], [1, 0, 1]], bins=[0,1,2,3])
(array([1, 4, 1]), array([0, 1, 2, 3]))

>>> a = np.arange(5)
>>> hist, bin_edges = np.histogram(a, density=True)
>>> hist
array([0.5, 0. , 0.5, 0. , 0. , 0.5, 0. , 0.5, 0. , 0.5])
>>> hist.sum()
2.4999999999999996
>>> np.sum(hist * np.diff(bin_edges))
1.0

自动 Bin 选择方法示例，使用 2 个具有 2000 个点的峰值随机数据：

>>> import matplotlib.pyplot as plt
>>> rng = np.random.RandomState(10)  # deterministic random data
>>> a = np.hstack((rng.normal(size=1000),
...                rng.normal(loc=5, scale=2, size=1000)))
>>> _ = plt.hist(a, bins='auto')  # arguments are passed to np.histogram
>>> plt.title("Histogram with 'auto' bins")
Text(0.5, 1.0, "Histogram with 'auto' bins")
>>> plt.show()