Il modulo Numpy di Python fornisce una funzione chiamata numpy.istogramma() . Questa funzione rappresenta la frequenza del numero di valori confrontati con un insieme di intervalli di valori. Questa funzione è simile a storia() funzione di matplotlib.pyplot .
In parole semplici, questa funzione viene utilizzata per calcolare l'istogramma dell'insieme di dati.
Sintassi:
numpy.histogram(x, bins=10, range=None, normed=None, weights=None, density=None)
parametri:
x: tipo_array
elenco collegato Java
Questo parametro definisce una matrice appiattita su cui viene calcolato l'istogramma.
bins: int o sequenza di str o scalari (opzionale)
Se questo parametro è definito come numero intero, nell'intervallo specificato definisce il numero di contenitori di uguale larghezza. Altrimenti, viene definita una serie di bordi del contenitore che aumentano monotonicamente. Include anche il bordo più a destra, che consente larghezze dei contenitori non uniformi. L'ultima versione di numpy ci consente di impostare i parametri del contenitore come una stringa, che definisce un metodo per calcolare la larghezza ottimale del contenitore.
intervallo: (float, float)(opzionale)
Questo parametro definisce gli intervalli inferiore-superiore dei contenitori. Per impostazione predefinita, l'intervallo è (x.min(), x.max()) . Vengono ignorati i valori che non rientrano nell'intervallo. Gli intervalli del primo elemento devono essere uguali o inferiori al secondo elemento.
normato: bool(opzionale)
Questo parametro è uguale all'argomento densità, ma può fornire un output errato per larghezze dei contenitori non uguali.
pesi: array_like (opzionale)
Questo parametro definisce un array che contiene pesi e ha la stessa forma di 'X' .
array Java
densità: bool(opzionale)
Se è impostato su True, risulterà il numero di campioni in ogni contenitore. Se il suo valore è False, la funzione di densità risulterà nel valore della funzione di densità di probabilità nel contenitore.
Ritorna:
hist: matrice
La funzione di densità restituisce i valori dell'istogramma.
edge_bin: un array di dtype float
Questa funzione restituisce i bordi del contenitore (lunghezza(cronologia+1)) .
Esempio 1:
import numpy as np a=np.histogram([1, 5, 2], bins=[0, 1, 2, 3]) a
Produzione:
(array([0, 1, 1], dtype=int64), array([0, 1, 2, 3]))
Nel codice sopra
- Abbiamo importato Numpy con il nome alias np.
- Abbiamo dichiarato la variabile 'a' e assegnato il valore restituito di np.istogramma() funzione.
- Abbiamo passato un array e il valore del contenitore nella funzione.
- Infine, abbiamo provato a stampare il valore di 'UN' .
Nell'output mostra un ndarray che contiene i valori dell'istogramma.
Esempio 2:
import numpy as np x=np.histogram(np.arange(6), bins=np.arange(7), density=True) x
Produzione:
(array([0.16666667, 0.16666667, 0.16666667, 0.16666667, 0.16666667, 0.16666667]), array([0, 1, 2, 3, 4, 5, 6]))
Esempio 3:
import numpy as np x=np.histogram([[1, 3, 1], [1, 3, 1]], bins=[0,1,2,3]) x
Produzione:
np.dove
(array([0, 4, 2], dtype=int64), array([0, 1, 2, 3]))
Esempio 4:
import numpy as np a = np.arange(8) hist, bin_edges = np.histogram(a, density=True) hist bin_edges
Produzione:
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. ])
Esempio 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))
Produzione:
array([0.17857143, 0.17857143, 0.17857143, 0. , 0.17857143, 0.17857143, 0. , 0.17857143, 0.17857143, 0.17857143]) 1.4285714285714288 1.0
Nel codice sopra
- Abbiamo importato Numpy con il nome alias np.
- Abbiamo creato un array 'UN' utilizzando np.arancio() funzione.
- Abbiamo dichiarato le variabili 'storia' E 'bordi_bin' e quindi assegnato il valore restituito di np.istogramma() funzione.
- Abbiamo superato l'array 'UN' e impostare 'densità' su True nella funzione.
- Abbiamo provato a stampare il valore di 'storia' .
- Infine, abbiamo provato a calcolare la somma dei valori dell'istogramma utilizzando somma ist() E np.somma() in cui abbiamo passato i valori dell'istogramma e i bordi del contenitore.
Nell'output mostra un ndarray che contiene i valori dell'istogramma e la somma dei valori dell'istogramma.