Den numpy modulen i Python tillhandahåller en funktion som kallas numpy.histogram() . Denna funktion representerar frekvensen av antalet värden som jämförs med en uppsättning värdeområden. Denna funktion liknar hist() funktion av matplotlib.pyplot .

Med enkla ord används denna funktion för att beräkna histogrammet för datauppsättningen.

Syntax:

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

Parametrar:

x: array_like

Denna parameter definierar en tillplattad array över vilken histogrammet beräknas.

bins: int eller sekvens av str eller skalärer (valfritt)

sammanlänkningssträng i java

Om den här parametern är definierad som ett heltal, definierar den i det givna intervallet antalet fack med lika bredd. Annars definieras en uppsättning av fackkanter som monotont ökar. Den inkluderar också kanten längst till höger, vilket möjliggör olikformiga papperskorgarbredder. Den senaste versionen av numpy tillåter oss att ställa in bin-parametrar som en sträng, vilket definierar en metod för att beräkna optimal bin-bredd.

range : (flyta, flyta) (valfritt)

java hashmap

Den här parametern definierar de nedre och övre områdena för fackarna. Som standard är intervallet (x.min(), x.max()) . Värdena ignoreras, som ligger utanför intervallet. Områdena för det första elementet bör vara lika med eller mindre än det andra elementet.

normerad: bool (valfritt)

Den här parametern är densamma som densitetsargumentet, men den kan ge fel utdata för ojämna lagerbredder.

vikter: array_like (valfritt)

vad är måtten på min datorskärm

Denna parameter definierar en array som innehåller vikter och har samma form som 'x' .

densitet: bool (valfritt)

Om den är inställd på True, kommer det att resultera i antalet prover i varje fack. Om dess värde är False, kommer densitetsfunktionen att resultera i värdet för sannolikhetstäthetsfunktionen i facket.

Returnerar:

hist: array

Densitetsfunktionen returnerar värdena för histogrammet.

edge_bin: en array av float dtype

Denna funktion returnerar fackets kanter (längd(hist+1)) .

Exempel 1:

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

Produktion:

urval sortera java

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

I ovanstående kod

• Vi har importerat numpy med alias np.
• Vi har deklarerat variabeln 'a' och tilldelat det returnerade värdet på np.histogram() fungera.
• Vi har passerat en array och värdet på bin i funktionen.
• Till sist försökte vi skriva ut värdet på 'a' .

I utgången visar den en ndarray som innehåller värdena för histogrammet.

sortera java arraylist

Exempel 2:

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

Produktion:

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

Exempel 3:

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

Produktion:

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

Exempel 4:

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

Produktion:

 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. ]) 

Exempel 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)) 

Produktion:

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

I ovanstående kod

• Vi har importerat numpy med alias np.
• Vi har skapat en array 'a' använder sig av np.arange() fungera.
• Vi har deklarerat variabler 'historia' och 'bin_edges' och sedan tilldelas det returnerade värdet på np.histogram() fungera.
• Vi har passerat arrayen 'a' och ställ in 'densitet' till True i funktionen.
• Vi försökte skriva ut värdet på 'historia' .
• Och slutligen försökte vi beräkna summan av histogramvärden med hjälp av hist.sum() och np.sum() där vi skickade histogramvärden och kanterna på soptunnan.

I utgången visar den en ndarray som innehåller histogrammets värden och summan av histogramvärdena.