python——numpy.bincount()的用法
阿新 • • 發佈:2018-12-18
1.它大致說的是bin的數量比x中的最大值大1,每個bin給出了索引值在x中出現的次數,下面以例項說明
# 我們可以看到x中最大的數為7,因此bin的數量為8,那麼它的索引值為0->7 x = np.array([0, 1, 1, 3, 2, 1, 7]) # 索引0出現了1次,索引1出現了3次......索引5出現了0次...... np.bincount(x) #因此,輸出結果為:array([1, 3, 1, 1, 0, 0, 0, 1]) # 我們可以看到x中最大的數為7,因此bin的數量為8,那麼它的索引值為0->7 x = np.array([7, 6, 2, 1, 4]) # 索引0出現了0次,索引1出現了1次......索引5出現了0次...... np.bincount(x) #輸出結果為:array([0, 1, 1, 0, 1, 0, 1, 1])
2.下面,我來解釋一下weights這個引數。文件說,如果weights引數被指定,那麼x會被它加權,也就是說,如果值n發現在位置i,那麼out[n] += weight[i]而不是out[n] += 1.因此,我們weights的大小必須與x相同,否則報錯。下面,我舉個例子讓大家更好的理解一下:
w = np.array([0.3, 0.5, 0.2, 0.7, 1., -0.6]) # 我們可以看到x中最大的數為4,因此bin的數量為5,那麼它的索引值為0->4 x = np.array([2, 1, 3, 4, 4, 3]) # 索引0 -> 0 # 索引1 -> w[1] = 0.5 # 索引2 -> w[0] = 0.3 # 索引3 -> w[2] + w[5] = 0.2 - 0.6 = -0.4 # 索引4 -> w[3] + w[4] = 0.7 + 1 = 1.7 np.bincount(x, weights=w) # 因此,輸出結果為:array([ 0. , 0.5, 0.3, -0.4, 1.7])
3.最後,我們來看一下minlength這個引數。文件說,如果minlength被指定,那麼輸出陣列中bin的數量至少為它指定的數(如果必要的話,bin的數量會更大,這取決於x)。下面,我舉個例子讓大家更好的理解一下:
# 我們可以看到x中最大的數為3,因此bin的數量為4,那麼它的索引值為0->3 x = np.array([3, 2, 1, 3, 1]) # 本來bin的數量為4,現在我們指定了引數為7,因此現在bin的數量為7,所以現在它的索引值為0->6 np.bincount(x, minlength=7) # 因此,輸出結果為:array([0, 2, 1, 2, 0, 0, 0]) # 我們可以看到x中最大的數為3,因此bin的數量為4,那麼它的索引值為0->3 x = np.array([3, 2, 1, 3, 1]) # 本來bin的數量為4,現在我們指定了引數為1,那麼它指定的數量小於原本的數量,因此這個引數失去了作用,索引值還是0->3 np.bincount(x, minlength=1) # 因此,輸出結果為:array([0, 2, 1, 2])
轉載出處: https://blog.csdn.net/xlinsist/article/details/51346523