Python SciPy stats.relfreq用法及代码示例

本文简要介绍 python 语言中 scipy.stats.relfreq 的用法。

用法:

scipy.stats.relfreq(a, numbins=10, defaultreallimits=None, weights=None)#

使用 histogram 函数返回相对频率直方图。

相对频率直方图是每个 bin 中的观察数量相对于观察总数的映射。

参数 ：：

a： array_like

输入数组。

numbins： 整数，可选

用于直方图的 bin 数量。默认值为 10。

defaultreallimits： 元组(下，上)，可选

直方图范围的下限值和上限值。如果没有给出值，则使用比 a 中的值范围稍大的范围。特别是 (a.min() - s, a.max() + s) ，其中 s = (1/2)(a.max() - a.min()) / (numbins - 1) 。

weights： 数组，可选

a中每个值的权重。默认为无，它为每个值赋予 1.0 的权重

返回 ：：

frequency： ndarray

相对频率的分箱值。

lowerlimit： 浮点数

实际下限。

binsize： 浮点数

每个 bin 的宽度。

extrapoints： int

加分。

例子：

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from scipy import stats
>>> rng = np.random.default_rng()
>>> a = np.array([2, 4, 1, 2, 3, 2])
>>> res = stats.relfreq(a, numbins=4)
>>> res.frequency
array([ 0.16666667, 0.5       , 0.16666667,  0.16666667])
>>> np.sum(res.frequency)  # relative frequencies should add up to 1
1.0

创建具有 1000 个随机值的正态分布

>>> samples = stats.norm.rvs(size=1000, random_state=rng)

计算相对频率

>>> res = stats.relfreq(samples, numbins=25)

计算 x 的值空间

>>> x = res.lowerlimit + np.linspace(0, res.binsize*res.frequency.size,
...                                  res.frequency.size)

绘制相对频率直方图

>>> fig = plt.figure(figsize=(5, 4))
>>> ax = fig.add_subplot(1, 1, 1)
>>> ax.bar(x, res.frequency, width=res.binsize)
>>> ax.set_title('Relative frequency histogram')
>>> ax.set_xlim([x.min(), x.max()])

>>> plt.show()