Numpy Python modulis suteikia funkciją, vadinamą numpy.histogram() . Ši funkcija parodo reikšmių, kurios lyginamos su verčių diapazonų rinkiniu, dažnį. Ši funkcija yra panaši į istorija () funkcija matplotlib.pyplot .
Paprastais žodžiais tariant, ši funkcija naudojama duomenų rinkinio histogramai apskaičiuoti.
Sintaksė:
numpy.histogram(x, bins=10, range=None, normed=None, weights=None, density=None)
Parametrai:
x: panašus į masyvą
Šis parametras apibrėžia išlygintą masyvą, per kurį apskaičiuojama histograma.
dėtuvės: int arba str arba skaliarų seka (neprivaloma)
surūšiuotas java masyvų sąrašas
Jei šis parametras apibrėžiamas kaip sveikasis skaičius, tai nurodytame diapazone jis apibrėžia vienodo pločio dėžių skaičių. Kitu atveju apibrėžiamas monotoniškai padidintų dėžės kraštų masyvas. Jame taip pat yra pats dešinysis kraštas, todėl šiukšliadėžės plotis nėra vienodas. Naujausia numpy versija leidžia mums nustatyti šiukšliadėžės parametrus kaip eilutę, kuri apibrėžia optimalaus šiukšliadėžės pločio apskaičiavimo metodą.
diapazonas: (plūduriuoti, plūduriuoti) (pasirinktinai)
palyginti su styga
Šis parametras apibrėžia apatinius ir viršutinius dėžių diapazonus. Pagal numatytuosius nustatymus diapazonas yra (x.min(), x.max()) . Vertės nepaisomos, kurios yra už diapazono ribų. Pirmojo elemento diapazonai turi būti lygūs arba mažesni nei antrojo elemento.
norma: bool (neprivaloma)
Šis parametras yra toks pat kaip tankio argumentas, tačiau jis gali duoti neteisingą išvestį nevienodo dėklo pločio atveju.
svoriai: array_like (neprivaloma)
amplitudės moduliacija
Šis parametras apibrėžia masyvą, kuriame yra svoriai ir kurio forma yra tokia pati kaip 'x' .
tankis: bool (neprivaloma)
Jei nustatyta į True, kiekvienoje dėžėje bus mėginių skaičius. Jei jo reikšmė yra klaidinga, tankio funkcija duos tikimybių tankio funkcijos reikšmę dėžėje.
Grąžinimai:
istorija: masyvas
Tankio funkcija grąžina histogramos reikšmes.
edge_bin: float dtype masyvas
Ši funkcija grąžina dėžės kraštus (ilgis (hist.+1)) .
1 pavyzdys:
import numpy as np a=np.histogram([1, 5, 2], bins=[0, 1, 2, 3]) a
Išvestis:
java eilutės poeilutė
(array([0, 1, 1], dtype=int64), array([0, 1, 2, 3]))
Aukščiau pateiktame kode
- Mes importavome numpy su slapyvardžiu np.
- Mes paskelbėme kintamąjį „a“ ir priskyrėme grąžintą reikšmę np.histograma() funkcija.
- Mes perdavėme masyvą ir funkcijoje esančios dėžės reikšmę.
- Galiausiai bandėme atspausdinti vertę 'a' .
Išvestyje rodomas ndarray, kuriame yra histogramos reikšmės.
metodo nepaisymas java
2 pavyzdys:
import numpy as np x=np.histogram(np.arange(6), bins=np.arange(7), density=True) x
Išvestis:
(array([0.16666667, 0.16666667, 0.16666667, 0.16666667, 0.16666667, 0.16666667]), array([0, 1, 2, 3, 4, 5, 6]))
3 pavyzdys:
import numpy as np x=np.histogram([[1, 3, 1], [1, 3, 1]], bins=[0,1,2,3]) x
Išvestis:
(array([0, 4, 2], dtype=int64), array([0, 1, 2, 3]))
4 pavyzdys:
import numpy as np a = np.arange(8) hist, bin_edges = np.histogram(a, density=True) hist bin_edges
Išvestis:
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 pavyzdys:
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))
Išvestis:
array([0.17857143, 0.17857143, 0.17857143, 0. , 0.17857143, 0.17857143, 0. , 0.17857143, 0.17857143, 0.17857143]) 1.4285714285714288 1.0
Aukščiau pateiktame kode
- Mes importavome numpy su slapyvardžiu np.
- Sukūrėme masyvą 'a' naudojant np.arange() funkcija.
- Mes deklaravome kintamuosius 'istorija' ir 'bin_edges' ir tada priskyrė grąžintą reikšmę np.histograma() funkcija.
- Mes praėjome masyvą 'a' ir nustatyti 'tankis' į True funkcijoje.
- Bandėme atspausdinti vertę 'istorija' .
- Ir galiausiai mes bandėme apskaičiuoti histogramos reikšmių sumą naudodami hist.sum() ir np.sum() kuriame perdavėme histogramos reikšmes ir dėžės kraštus.
Išvestyje rodomas ndarray, kuriame yra histogramos reikšmės ir histogramos reikšmių suma.