NumPy.histogram()方法在Python中的应用

直方图是可视化数据集频率分布的最佳方式，它将数据集分割成大小相等的小区间，称为Bin。Numpy直方图函数与matplotlib库的hist()函数类似，唯一的区别是Numpy直方图给出了数据集的数字表示，而hist()给出了数据集的图形表示。

创建Numpy直方图

Numpy有一个内置的numpy.histogram()函数，以图形的形式表示数据分布的频率。具有相同水平尺寸的矩形对应于称为bin的类区间，可变高度对应于频率。
语法:

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

上述功能的属性列举如下。

属性	参数
数据	要绘制的数组或数组的序列
bins	int或字符串序列，定义了一个范围内等宽的bin的数量，默认为10。
range	可选的参数，设置分层的下限和上限范围
normed	可选参数，与密度属性相同，对不等的bin宽度给出不正确的结果。
weights	可选参数，定义权重数组，尺寸与数据相同。
密度	可选参数，如果为假，结果包含每个仓的样本数，如果为真，结果包含仓的概率密度函数。

该函数有两个返回值hist和edge_bin，前者给出直方图的数值数组，后者是一个浮动数据类型的数组，包含长度比hist多一个的bin边缘。
示例:

# Import libraries
import numpy as np
 
 
# Creating dataset
a = np.random.randint(100, size =(50))
 
# Creating histogram
np.histogram(a, bins = [0, 10, 20, 30, 40,
                        50, 60, 70, 80, 90,
                        100])
 
hist, bins = np.histogram(a, bins = [0, 10,
                                     20, 30,
                                     40, 50,
                                     60, 70,
                                     80, 90,
                                     100])
 
# printing histogram
print()
print (hist)
print (bins)
print()

输出:

NumPy.histogram()方法在Python中的应用

图像表示

上述直方图的数字表示可以转换为图形形式。Matplotlib的pyplot子模块中的plt()函数以数据集数组和bin数组为参数，创建相应数据值的直方图。
示例:

# import libraries
from matplotlib import pyplot as plt
import numpy as np 
 
 
# Creating dataset
a = np.random.randint(100, size =(50))
 
# Creating plot
fig = plt.figure(figsize =(10, 7))
 
plt.hist(a, bins = [0, 10, 20, 30,
                    40, 50, 60, 70,
                    80, 90, 100])
 
plt.title("Numpy Histogram")
 
# show plot
plt.show()

输出:

NumPy.histogram()方法在Python中的应用