Python NumPy numpy.histogram() 函数

Minahil Noor 2023年1月30日 2020年11月7日
  1. numpy.histogram() 语法
  2. 示例代码:numpy.histogram()
  3. 示例代码:numpy.histogram() 指定 bins 的数量和大小
  4. 示例代码:numpy.histogram() 使用 density 参数
  5. 示例代码:numpy.histogram() 绘制直方图
Python NumPy numpy.histogram() 函数

Python NumPy numpy.histogram() 函数生成直方图的值。它不绘制直方图,但它计算其值。我们传递一个数组作为参数。这个函数计算出它的直方图,并返回一个存储了直方图值的数组。我们可以说,它返回的是直方图的数值表示。

numpy.histogram() 语法

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

参数

a 它是一个类似数组的结构。它代表计算直方图的输入数据。
bins 它是一个整数、字符串或一个标量序列。它代表 bin 的数量。一个 bin 就像一个范围,例如,0-5,6-10 等。如果 bin 是一个整数,那么它表示等间距的 bin 的数量。如果它是一个字符串,那么它代表计算 bin 空间的方法。如果它是一个序列,那么它代表不同宽度的 bin。
range 它是以浮点数给出的范围。它代表了 bin 的上限和下限。如果没有给定范围,那么 [a.min(), a.max()] 就是范围。
normed 它是一个布尔值参数。它的功能类似于 density 参数,但如果各仓的间距不相等,就会产生不正确的结果。
weights 它是一个类似于数组的结构。其大小与 a 相同。如果 densityTrue,那么权重将被归一化。
density 它是一个布尔值参数。如果它的值为 True,那么它计算的是概率,而不是计算频率。

返回值

它返回两个数组:histbin_edges。数组 hist 显示直方图的值,bin_edges 显示 bin 边缘。bin_edges 的大小总是 1+(hist 的大小),即 length(hist)+1

示例代码:numpy.histogram()

参数 a 是一个强制参数。如果我们在执行这个函数时没有传入 bin 的数量,那么它将计算出十个不等距的 bin。

import numpy as np 
   
a = np.array([89, 34, 56, 87, 90, 23, 45, 12, 65, 78, 9, 34, 12, 11, 2, 65, 78, 82, 28, 78]) 

histogram = np.histogram(a) 
print(histogram) 

输出:

(array([2, 3, 2, 2, 1, 0, 1, 2, 3, 4], dtype=int64), 
 array([ 2. , 10.8, 19.6, 28.4, 37.2, 46. , 54.8, 63.6, 72.4, 81.2, 90. ]))

示例代码:numpy.histogram() 指定 bins 的数量和大小

我们先指定 bins

import numpy as np 
   
a = np.array([89, 34, 56, 87, 90, 23, 45, 12, 65, 78, 9, 34, 12, 11, 2, 65, 78, 82, 28, 78]) 

histogram = np.histogram(a, bins= 2) 
print(histogram) 

输出:

(array([10, 10], dtype=int64), array([ 2., 46., 90.]))

上面的代码计算出了一个有 2 个 bins 的直方图。分区是 [2., 46.)[46., 90.)

现在,我们将指定直方格的边缘。

import numpy as np 
   
a = np.array([89, 34, 56, 87, 90, 23, 45, 12, 65, 78, 9, 34, 12, 11, 2, 65, 78, 82, 28, 78]) 

histogram = np.histogram(a, bins= [0, 30, 60, 90]) 
print(histogram) 

输出:

(array([7, 4, 9]), 
 array([ 0, 30, 60, 90]))

示例代码:numpy.histogram() 使用 density 参数

import numpy as np 
   
a = np.array([89, 34, 56, 87, 90, 23, 45, 12, 65, 78, 9, 34, 12, 11, 2, 65, 78, 82, 28, 78]) 

histogram = np.histogram(a, bins= 5, density= True) 
print(histogram) 

输出:

(array([ 0.01420455,  0.01136364,  0.00284091,  0.00852273,  0.01988636]), 
 array([  2. ,  19.6,  37.2,  54.8,  72.4,  90. ]))

请注意,该函数不是计算直方图的值,而是生成概率。

示例代码:numpy.histogram() 绘制直方图

我们可以使用 pyplot 绘制直方图。

from matplotlib import pyplot as plt 
import numpy as np  
   
a = np.array([89, 34, 56, 87, 90, 23, 45, 12, 65, 78, 9, 34, 12, 11, 2, 65, 78, 82, 28, 78]) 

plt.hist(a, bins = [0,20,40,60,80,100]) 
plt.title("histogram") 
plt.show()

输出:

numpy 直方图