logo

numpy.histogram() у Python

Модуль numpy Python надає функцію під назвою numpy.histogram() . Ця функція представляє частоту кількості значень, які порівнюються з набором діапазонів значень. Ця функція схожа на історія () функція matplotlib.pyplot .

Простими словами, ця функція використовується для обчислення гістограми набору даних.

Синтаксис:

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

Параметри:

x: array_like

Цей параметр визначає згладжений масив, над яким обчислюється гістограма.

контейнери: int або послідовність str або скалярів (необов'язково)

Якщо цей параметр визначено як ціле число, то в заданому діапазоні він визначає кількість бінів однакової ширини. В іншому випадку визначається масив ребер біну, який монотонно зростає. Він також включає крайній правий край, що дозволяє використовувати бункер неоднакової ширини. Остання версія numpy дозволяє нам встановлювати параметри бункера у вигляді рядка, який визначає метод розрахунку оптимальної ширини бункера.

діапазон: (float, float)(необов’язково)

Цей параметр визначає нижній-верхній діапазони бункерів. За замовчуванням діапазон становить (x.min(), x.max()) . Ігноруються значення, які виходять за межі діапазону. Діапазони першого елемента повинні бути рівними або меншими за другий елемент.

нормований: логічний (необов'язковий)

що таке файлова система linux

Цей параметр такий самий, як аргумент щільності, але він може дати неправильний вихід для неоднакової ширини бункера.

ваги: ​​array_like (опціонально)

Цей параметр визначає масив, який містить ваги та має таку ж форму, що й 'x' .

java indexof

щільність: логічний (необов'язковий)

Якщо встановлено значення True, результатом буде кількість зразків у кожному контейнері. Якщо його значення False, функція щільності призведе до значення функції щільності ймовірності в контейнері.

Повернення:

хист: масив

Функція щільності повертає значення гістограми.

edge_bin: масив float dtype

Ця функція повертає краї кошика (довжина(історія+1)) .

приклад 1:

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

Вихід:

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

У наведеному вище коді

  • Ми імпортували numpy з псевдонімом np.
  • Ми оголосили змінну 'a' і присвоїли їй повернуте значення np.histogram() функція.
  • Ми передали у функцію масив і значення bin.
  • Нарешті, ми спробували надрукувати значення 'а' .

У вихідних даних він показує ndarray, який містить значення гістограми.

приклад 2:

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

Вихід:

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

приклад 3:

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

Вихід:

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

Приклад 4:

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

Вихід:

 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. ]) 

Приклад 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)) 

Вихід:

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

У наведеному вище коді

що таке об'єкт java
  • Ми імпортували numpy з псевдонімом np.
  • Ми створили масив 'а' використовуючи np.arange() функція.
  • Ми оголосили змінні 'hist' і 'bin_edges' а потім присвоєно повернуте значення np.histogram() функція.
  • Ми пройшли масив 'а' і встановити 'щільність' значення True у функції.
  • Ми спробували надрукувати значення 'hist' .
  • І, нарешті, ми спробували обчислити суму значень гістограми за допомогою hist.sum() і np.sum() в якому ми передали значення гістограми та краї біна.

У вихідних даних він показує ndarray, який містить значення гістограми та суму значень гістограми.