Python numpy.histogram()用法及代碼示例

Python 的 numpy 模塊提供了一個名為 numpy.histogram() 的函數。此函數表示與一組值範圍進行比較的值數量的頻率。這個函數類似於matplotlib.pyplot的hist()函數。

簡單來說，這個函數用於計算數據集的直方圖。

用法:

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

參數：

x:數組

此參數定義了一個扁平化的數組，在該數組上計算直方圖。

bins:int 或 str 或標量序列(可選)

如果此參數定義為整數，則在給定範圍內，它定義了 equal-width 個 bin 的數量。否則，定義單調增加的 bin 邊數組。它還包括最右邊的邊，允許不均勻的 bin 寬度。最新版本的 numpy 允許我們將 bin 參數設置為字符串，它定義了一種計算最佳 bin 寬度的方法。

範圍：(浮點數，浮點數)(可選)

該參數定義了 bin 的 lower-upper 範圍。默認情況下，範圍是 (x.min(), x.max())。超出範圍的值將被忽略。第一個元素的範圍應該等於或小於第二個元素。

規範：布爾(可選)

此參數與密度參數相同，但它可能會為不相等的 bin 寬度提供錯誤的輸出。

權重：數組(可選)

該參數定義了一個包含權重且形狀與 'x' 相同的數組。

密度：布爾(可選)

如果設置為 True，將導致每個 bin 中的樣本數。如果其值為 False，則密度函數將導致 bin 中概率密度函數的值。

返回值：

曆史：數組

密度函數返回直方圖的值。

edge_bin：浮點型數組

此函數返回 bin 邊 (length(hist+1))。

範例1：

import numpy as np
a=np.histogram([1, 5, 2], bins=[0, 1, 2, 3])
a

輸出：

(array([0, 1, 1], dtype=int64), array([0, 1, 2, 3]))

在上麵的代碼中

我們已經導入了別名為 np.
我們已經聲明了變量 'a' 並分配了 np.histogram() 函數的返回值。
我們在函數中傳遞了一個數組和 bin 的值。
最後，我們嘗試打印 'a' 的值。

在輸出中，它顯示了一個包含直方圖值的 ndarray。

範例2：

import numpy as np
x=np.histogram(np.arange(6), bins=np.arange(7), density=True)
x

輸出：

(array([0.16666667, 0.16666667, 0.16666667, 0.16666667, 0.16666667,
       0.16666667]), array([0, 1, 2, 3, 4, 5, 6]))

範例3：

import numpy as np
x=np.histogram([[1, 3, 1], [1, 3, 1]], bins=[0,1,2,3])
x

輸出：

(array([0, 4, 2], dtype=int64), array([0, 1, 2, 3]))

範例4：

import numpy as np
a = np.arange(8)
hist, bin_edges = np.histogram(a, density=True)
hist
bin_edges

輸出：

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. ])

範例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))

輸出：

array([0.17857143, 0.17857143, 0.17857143, 0.        , 0.17857143,
       0.17857143, 0.        , 0.17857143, 0.17857143, 0.17857143])
1.4285714285714288
1.0

在上麵的代碼中

我們已經導入了別名為 np.
我們使用 np.arange() 函數創建了一個數組 'a'。
我們已經聲明了變量 'hist' 和 'bin_edges'，然後分配了 np.histogram() 函數的返回值。
我們已經傳遞了數組 'a' 並在函數中將 'density' 設置為 True。
我們嘗試打印 'hist' 的值。
最後，我們嘗試使用 hist.sum() 和 np.sum() 計算直方圖值的總和，其中我們傳遞了直方圖值和 bin 的邊。

在輸出中，它顯示了一個包含直方圖值和直方圖值總和的 ndarray。

相關用法

注：本文由純淨天空篩選整理自 numpy.histogram() in Python。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。