Python numpy histogram用法及代碼示例

本文簡要介紹 python 語言中 numpy.histogram 的用法。

用法:

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

計算數據集的直方圖。

參數：

a： array_like

輸入數據。直方圖是在展平的數組上計算的。

bins： int 或標量序列或 str，可選

如果 bins 是一個 int，它定義給定範圍內的 equal-width bins 的數量(默認為 10)。如果 bins 是一個序列，它定義了一個單調遞增的 bin 邊數組，包括最右邊的邊，允許不均勻的 bin 寬度。

如果箱子是一個字符串，它定義了用於計算最佳 bin 寬度的方法，定義為numpy.histogram_bin_edges.

range： (浮點數，浮點數)，可選

bin 的下限和上限範圍。如果沒有提供，範圍很簡單(a.min(), a.max()).超出範圍的值將被忽略。範圍的第一個元素必須小於或等於第二個元素。範圍也會影響自動 bin 計算。雖然根據內部的實際數據計算出 bin 寬度是最佳的範圍, bin 計數將填充整個範圍，包括不包含數據的部分。

normed： 布爾型，可選

這等效於密度參數，但會為不相等的 bin 寬度產生不正確的結果。它不應該被使用。

weights： 數組，可選

一組權重，與 a 的形狀相同。 a 中的每個值僅將其相關權重貢獻給 bin 計數(而不是 1)。如果密度為真，則權重被歸一化，因此密度在該範圍內的積分保持為 1。

density： 布爾型，可選

如果False，結果將包含每個 bin 中的樣本數。如果True, 結果就是概率的值密度在 bin 處的函數，歸一化使得不可缺少的在範圍內為 1。請注意，直方圖值的總和將不等於 1，除非選擇了統一寬度的 bin；這不是概率大量的函數。

如果給定，則覆蓋 normed 關鍵字。

返回：

hist： 數組

直方圖的值。有關可能語義的說明，請參見密度和權重。

bin_edges： dtype 浮點數組

返回 bin 邊 (length(hist)+1) 。

注意：

除了最後一個 (righthand-most) 箱子之外的所有箱子都是半開的。換句話說，如果 bins 是：

[1, 2, 3, 4]

那麽第一個箱子是[1, 2)(包括1個，但不包括2個)和第二個[2, 3).然而，最後一個箱子是[3, 4]， 哪一個包括 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

自動 Bin 選擇方法示例，使用 2 個具有 2000 個點的峰值隨機數據：

>>> 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()