numpy.histogram（）如何工作？

在阅读numpy时，我遇到了函数numpy.histogram()。

它是做什么用的，它是如何工作的？他们在文档中提到了bin：它们是什么？

一些谷歌搜索使我大致了解直方图的定义。我明白了。但不幸的是，我无法将这些知识与文档中给出的示例联系起来。

bin是一个范围，代表直方图的单个条形沿X轴的宽度。您也可以将其称为间隔。（维基百科更正式地将它们定义为“不相交的类别”。）

脾气暴躁 histogram函数不会绘制直方图，但是会计算落在每个仓中的输入数据的出现次数，这反过来又确定了每个条的面积（如果仓的宽度不相等，则不一定是高度）。

在此示例中：

 np.histogram([1, 2, 1], bins=[0, 1, 2, 3])

共有3个档位，其值分别从0到1（不包括1），1到2（不包括2）和2到3（包括3）。[0, 1, 2, 3]在本示例中，Numpy通过给出定界符列表（）来定义这些bin ，尽管它也会返回结果中的bin，因为如果未指定，则可以从输入中自动选择它们。如果bins=5，例如，它会使用5桶相等宽度传播的最小输入值和最高输入值之间。

输入值为1、2和1。因此，仓“ 1至2”包含两个事件（两个1值），仓“ 2至3”包含一个事件（2）。这些结果在返回的元组的第一项中array([0, 2, 1])。

由于此处的垃圾箱宽度相等，因此可以将出现次数用于每个条形的高度。绘制时，您将具有：

• X轴上范围/ bin [0,1]的高度为0的条，
• 范围/箱[1,2]的高度为2的条，
• 范围/箱[2,3]的高度为1的条。

您可以直接使用Matplotlib绘制此图（它的hist函数还会返回垃圾箱和值）：

>>> import matplotlib.pyplot as plt
>>> plt.hist([1, 2, 1], bins=[0, 1, 2, 3])
(array([0, 2, 1]), array([0, 1, 2, 3]), <a list of 3 Patch objects>)
>>> plt.show()

import numpy as np    
hist, bin_edges = np.histogram([1, 1, 2, 2, 2, 2, 3], bins = range(5))

在下面，hist指示箱＃0中有0个物料，箱＃1中有2个物料，箱＃3中有4个物料，箱＃4中有1个物料。

print(hist)
# array([0, 2, 4, 1])   

bin_edges 表示bin＃0是间隔[0,1），bin＃1是[1,2），...，bin＃3是[3,4）。

print (bin_edges)
# array([0, 1, 2, 3, 4]))  

玩上面的代码，将输入更改为np.histogram，看看它如何工作。

但是一张图片值得一千个字：

import matplotlib.pyplot as plt
plt.bar(bin_edges[:-1], hist, width = 1)
plt.xlim(min(bin_edges), max(bin_edges))
plt.show()   

另一个有用的事情numpy.histogram是将输出绘制为线图上的x和y坐标。例如：

arr = np.random.randint(1, 51, 500)
y, x = np.histogram(arr, bins=np.arange(51))
fig, ax = plt.subplots()
ax.plot(x[:-1], y)
fig.show()

这对于可视化直方图可能是一种有用的方法，在这种情况下，您希望获得更高的粒度级别，而无需到处都有条形图。在图像直方图中用于识别极端像素值非常有用。