Moduł numpy Pythona udostępnia funkcję o nazwie numpy.histogram() . Ta funkcja reprezentuje częstotliwość liczby wartości porównywanych ze zbiorem zakresów wartości. Funkcja ta jest podobna do hist() funkcja z matplotlib.pyplot .
Krótko mówiąc, funkcja ta służy do obliczenia histogramu zbioru danych.
Składnia:
numpy.histogram(x, bins=10, range=None, normed=None, weights=None, density=None)
Parametry:
x: tablica_podobna
Ten parametr definiuje spłaszczoną tablicę, na podstawie której obliczany jest histogram.
bins: int lub sekwencja str lub skalarów (opcjonalnie)
Jeżeli parametr ten jest zdefiniowany jako liczba całkowita, to w danym zakresie określa liczbę pojemników o jednakowej szerokości. W przeciwnym razie zdefiniowana jest tablica krawędzi binu, które rosną monotonicznie. Obejmuje również prawą krawędź, co pozwala na nierównomierne szerokości pojemników. Najnowsza wersja numpy pozwala nam ustawić parametry bin jako ciąg znaków, co definiuje metodę obliczania optymalnej szerokości bin.
zakres: (float, float)(opcjonalnie)
program c do porównywania ciągów
Parametr ten określa dolne-górne zakresy przedziałów. Domyślnie zakres wynosi (x.min(), x.max()) . Wartości, które są poza zakresem, są ignorowane. Zakresy pierwszego elementu powinny być równe lub mniejsze niż drugi element.
znormalizowany: bool (opcjonalnie)
Ten parametr jest taki sam jak argument gęstości, ale może dać nieprawidłowy wynik w przypadku nierównych szerokości pojemników.
wagi: array_like (opcjonalnie)
Parametr ten definiuje tablicę zawierającą wagi i mającą taki sam kształt jak 'X' .
gęstość: bool (opcjonalnie)
Jeśli jest ustawiony na True, wyświetli się liczba próbek w każdym pojemniku. Jeśli jej wartość to False, funkcja gęstości zwróci wartość funkcji gęstości prawdopodobieństwa w koszu.
Zwroty:
hist: tablica
Funkcja gęstości zwraca wartości histogramu.
Edge_bin: tablica typu float
Ta funkcja zwraca krawędzie pojemnika (długość(hist+1)) .
Przykład 1:
import numpy as np a=np.histogram([1, 5, 2], bins=[0, 1, 2, 3]) a
Wyjście:
(array([0, 1, 1], dtype=int64), array([0, 1, 2, 3]))
W powyższym kodzie
- Zaimportowaliśmy numpy z aliasem np.
- Zadeklarowaliśmy zmienną „a” i przypisaliśmy zwróconą wartość np.histogram() funkcjonować.
- W funkcji przekazaliśmy tablicę i wartość bin.
- Na koniec próbowaliśmy wydrukować wartość 'A' .
Na wyjściu wyświetlany jest ndarray zawierający wartości histogramu.
Przykład 2:
import numpy as np x=np.histogram(np.arange(6), bins=np.arange(7), density=True) x
Wyjście:
(array([0.16666667, 0.16666667, 0.16666667, 0.16666667, 0.16666667, 0.16666667]), array([0, 1, 2, 3, 4, 5, 6]))
Przykład 3:
import numpy as np x=np.histogram([[1, 3, 1], [1, 3, 1]], bins=[0,1,2,3]) x
Wyjście:
(array([0, 4, 2], dtype=int64), array([0, 1, 2, 3]))
Przykład 4:
import numpy as np a = np.arange(8) hist, bin_edges = np.histogram(a, density=True) hist bin_edges
Wyjście:
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. ])
Przykład 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))
Wyjście:
Katrina Kaif
array([0.17857143, 0.17857143, 0.17857143, 0. , 0.17857143, 0.17857143, 0. , 0.17857143, 0.17857143, 0.17857143]) 1.4285714285714288 1.0
W powyższym kodzie
- Zaimportowaliśmy numpy z aliasem np.
- Stworzyliśmy tablicę 'A' za pomocą np.arange() funkcjonować.
- Zadeklarowaliśmy zmienne „historia” I „bin_edges” a następnie przypisano zwróconą wartość np.histogram() funkcjonować.
- Minęliśmy tablicę 'A' i nastaw 'gęstość' na True w funkcji.
- Próbowaliśmy wydrukować wartość „historia” .
- Na koniec próbowaliśmy obliczyć sumę wartości histogramu za pomocą suma hist.() I np. suma() w którym przekazaliśmy wartości histogramu i krawędzie kosza.
Na wyjściu wyświetlany jest ndarray zawierający wartości histogramu i sumę wartości histogramu.