De numpy-module van Python biedt een functie genaamd numpy.histogram() . Deze functie vertegenwoordigt de frequentie van het aantal waarden dat wordt vergeleken met een reeks waardenbereiken. Deze functie is vergelijkbaar met de geschiedenis() functie van matplotlib.pyplot .
In eenvoudige bewoordingen wordt deze functie gebruikt om het histogram van de gegevensset te berekenen.
Syntaxis:
numpy.histogram(x, bins=10, range=None, normed=None, weights=None, density=None)
Parameters:
x: array_like
Deze parameter definieert een afgevlakte array waarover het histogram wordt berekend.
bins: int of reeks van str of scalairen (optioneel)
sorteer de arraylist in Java
Als deze parameter is gedefinieerd als een geheel getal, definieert deze binnen het opgegeven bereik het aantal bakken met gelijke breedte. Anders wordt een reeks bakranden gedefinieerd die monotoon toenemen. Het omvat ook de meest rechtse rand, waardoor niet-uniforme bakbreedtes mogelijk zijn. Met de nieuwste versie van numpy kunnen we bin-parameters instellen als een string, die een methode definieert voor het berekenen van de optimale bin-breedte.
bereik: (zwevend, zwevend) (optioneel)
converteer tekenreeks naar int java
Deze parameter definieert het onderste en bovenste bereik van de bakken. Standaard is het bereik (x.min(), x.max()) . De waarden die buiten het bereik liggen worden genegeerd. De bereiken van het eerste element moeten gelijk zijn aan of kleiner zijn dan die van het tweede element.
genormeerd: bool (optioneel)
Deze parameter is hetzelfde als het dichtheidsargument, maar kan de verkeerde uitvoer opleveren voor ongelijke binbreedtes.
gewichten: array_like(optioneel)
herstart mysql ubuntu
Deze parameter definieert een array die gewichten bevat en dezelfde vorm heeft als 'X' .
dichtheid: bool (optioneel)
Als dit is ingesteld op True, resulteert dit in het aantal monsters in elke bak. Als de waarde False is, resulteert de dichtheidsfunctie in de waarde van de waarschijnlijkheidsdichtheidsfunctie in de bak.
Geeft terug:
hist: array
De dichtheidsfunctie retourneert de waarden van het histogram.
edge_bin: een array van float dtype
Deze functie retourneert de bakranden (lengte(hist+1)) .
Voorbeeld 1:
import numpy as np a=np.histogram([1, 5, 2], bins=[0, 1, 2, 3]) a
Uitgang:
array.van java
(array([0, 1, 1], dtype=int64), array([0, 1, 2, 3]))
In de bovenstaande code
- We hebben numpy geïmporteerd met aliasnaam np.
- We hebben de variabele 'a' gedeclareerd en de geretourneerde waarde van toegewezen np.histogram() functie.
- We hebben een array en de waarde van de bin in de functie doorgegeven.
- Ten slotte hebben we geprobeerd de waarde van af te drukken 'A' .
In de uitvoer wordt een ndarray weergegeven die de waarden van het histogram bevat.
willekeurig getal in Java
Voorbeeld 2:
import numpy as np x=np.histogram(np.arange(6), bins=np.arange(7), density=True) x
Uitgang:
(array([0.16666667, 0.16666667, 0.16666667, 0.16666667, 0.16666667, 0.16666667]), array([0, 1, 2, 3, 4, 5, 6]))
Voorbeeld 3:
import numpy as np x=np.histogram([[1, 3, 1], [1, 3, 1]], bins=[0,1,2,3]) x
Uitgang:
(array([0, 4, 2], dtype=int64), array([0, 1, 2, 3]))
Voorbeeld 4:
import numpy as np a = np.arange(8) hist, bin_edges = np.histogram(a, density=True) hist bin_edges
Uitgang:
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. ])
Voorbeeld 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))
Uitgang:
array([0.17857143, 0.17857143, 0.17857143, 0. , 0.17857143, 0.17857143, 0. , 0.17857143, 0.17857143, 0.17857143]) 1.4285714285714288 1.0
In de bovenstaande code
- We hebben numpy geïmporteerd met aliasnaam np.
- We hebben een array gemaakt 'A' gebruik makend van np.arange() functie.
- We hebben variabelen gedeclareerd 'geschiedenis' En 'bin_edges' en vervolgens de geretourneerde waarde van toegewezen np.histogram() functie.
- We zijn de array gepasseerd 'A' En instellen 'dikte' op True in de functie.
- We hebben geprobeerd de waarde van af te drukken 'geschiedenis' .
- En ten slotte hebben we geprobeerd de som van de histogramwaarden te berekenen met behulp van hist.sum() En np.sum() waarin we histogramwaarden en randen van de bak passeerden.
In de uitvoer wordt een ndarray weergegeven die de waarden van het histogram en de som van de histogramwaarden bevat.