Python numpy modulis nodrošina funkciju, ko sauc numpy.histogram() . Šī funkcija atspoguļo to vērtību skaita biežumu, kuras tiek salīdzinātas ar vērtību diapazonu kopu. Šī funkcija ir līdzīga hist () funkcija matplotlib.pyplot .
Vienkāršiem vārdiem sakot, šī funkcija tiek izmantota, lai aprēķinātu datu kopas histogrammu.
Sintakse:
numpy.histogram(x, bins=10, range=None, normed=None, weights=None, density=None)
Parametri:
x: masīva_līdzīgs
Šis parametrs definē saplacinātu masīvu, kurā tiek aprēķināta histogramma.
tvertnes: int vai str vai skalāru secība (pēc izvēles)
Ja šis parametrs ir definēts kā vesels skaitlis, tad dotajā diapazonā tas nosaka vienāda platuma tvertņu skaitu. Pretējā gadījumā tiek definēts monotoniski palielināts tvertnes malu masīvs. Tajā ir iekļauta arī galējā labā mala, kas pieļauj nevienmērīgu tvertnes platumu. Jaunākā numpy versija ļauj mums iestatīt tvertnes parametrus kā virkni, kas nosaka optimālā tvertnes platuma aprēķināšanas metodi.
diapazons: (pludiņš, pludiņš) (pēc izvēles)
Šis parametrs nosaka tvertņu apakšējos-augšējos diapazonus. Pēc noklusējuma diapazons ir (x.min(), x.max()) . Tiek ignorētas vērtības, kas atrodas ārpus diapazona. Pirmā elementa diapazoniem jābūt vienādiem ar otro elementu vai mazākiem par tiem.
Normed: bool (pēc izvēles)
Šis parametrs ir tāds pats kā blīvuma arguments, taču tas var dot nepareizu izvadi nevienāda tvertņu platuma gadījumā.
svari: array_like (neobligāti)
Šis parametrs definē masīvu, kas satur svarus un kura forma ir tāda pati kā 'x' .
blīvums: bool (pēc izvēles)
Ja tas ir iestatīts uz True, tiks parādīts paraugu skaits katrā tvertnē. Ja tās vērtība ir False, blīvuma funkcijas rezultāts būs varbūtības blīvuma funkcijas vērtība tvertnē.
Atgriež:
hist: masīvs
Blīvuma funkcija atgriež histogrammas vērtības.
edge_bin: peldošā dtype masīvs
Šī funkcija atgriež tvertnes malas (garums (vēst.+1)) .
1. piemērs:
import numpy as np a=np.histogram([1, 5, 2], bins=[0, 1, 2, 3]) a
Izvade:
(array([0, 1, 1], dtype=int64), array([0, 1, 2, 3]))
Iepriekš minētajā kodā
- Mēs esam importējuši numpy ar aizstājvārdu np.
- Mēs esam deklarējuši mainīgo 'a' un piešķīruši atgriezto vērtību np.histogramma() funkciju.
- Mēs esam nodevuši masīvu un funkcijā esošās tvertnes vērtību.
- Visbeidzot, mēs mēģinājām izdrukāt vērtību 'a' .
Izvadā tas parāda ndarray, kas satur histogrammas vērtības.
2. piemērs:
import numpy as np x=np.histogram(np.arange(6), bins=np.arange(7), density=True) x
Izvade:
(array([0.16666667, 0.16666667, 0.16666667, 0.16666667, 0.16666667, 0.16666667]), array([0, 1, 2, 3, 4, 5, 6]))
3. piemērs:
import numpy as np x=np.histogram([[1, 3, 1], [1, 3, 1]], bins=[0,1,2,3]) x
Izvade:
(array([0, 4, 2], dtype=int64), array([0, 1, 2, 3]))
4. piemērs:
import numpy as np a = np.arange(8) hist, bin_edges = np.histogram(a, density=True) hist bin_edges
Izvade:
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. ])
5. piemērs:
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))
Izvade:
array([0.17857143, 0.17857143, 0.17857143, 0. , 0.17857143, 0.17857143, 0. , 0.17857143, 0.17857143, 0.17857143]) 1.4285714285714288 1.0
Iepriekš minētajā kodā
lejupielādēt youtube video ar vlc
- Mēs esam importējuši numpy ar aizstājvārdu np.
- Mēs esam izveidojuši masīvu 'a' izmantojot np.arange() funkciju.
- Mēs esam deklarējuši mainīgos 'vēsture' un 'bin_edges' un pēc tam tika piešķirta atgrieztā vērtība np.histogramma() funkciju.
- Mēs esam izturējuši masīvu 'a' un iestatīt 'blīvums' uz True funkcijā.
- Mēs mēģinājām izdrukāt vērtību 'vēsture' .
- Un visbeidzot, mēs mēģinājām aprēķināt histogrammas vērtību summu, izmantojot hist.sum() un np.sum() kurā mēs nodevām histogrammas vērtības un tvertnes malas.
Izvadā tas parāda ndarray, kas satur histogrammas vērtības un histogrammas vērtību summu.