Как работает numpy.histogram ()?

Читая numpy, я столкнулся с функцией numpy.histogram().

Для чего это и как работает? В документах упоминаются ящики : что это такое?

Некоторый поиск в Google привел меня к определению гистограмм в целом . Я понимаю. Но, к сожалению, я не могу связать эти знания с примерами, приведенными в документации.

Бин - это диапазон, который представляет ширину одного столбца гистограммы по оси X. Вы также можете назвать это интервалом. (Википедия определяет их более формально как «непересекающиеся категории».)

Функция Numpy histogramне рисует гистограмму, но вычисляет вхождения входных данных, которые попадают в каждую ячейку, которая, в свою очередь, определяет площадь (не обязательно высоту, если ячейки не одинаковой ширины) каждой полосы.

В этом примере:

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

Имеется 3 интервала для значений от 0 до 1 (кроме 1.), от 1 до 2 (кроме 2) и от 2 до 3 (включая 3), соответственно. То, как Numpy определяет эти ячейки, если [0, 1, 2, 3]в этом примере предоставляет список разделителей ( ), хотя он также возвращает ячейки в результатах, так как он может выбирать их автоматически из ввода, если они не указаны. Если bins=5, например, он будет использовать 5 ячеек с одинаковой шириной разброса между минимальным входным значением и максимальным входным значением.

Входными значениями являются 1, 2 и 1. Таким образом, ячейка «от 1 до 2» содержит два вхождения (два 1значения), а ячейка «2–3» содержит одно вхождение ( 2). Эти результаты в первый элемент в возвращаемом кортеже: array([0, 2, 1]).

Поскольку ячейки здесь имеют одинаковую ширину, вы можете использовать количество вхождений для высоты каждой полосы. При розыгрыше у вас будет:

• полоса высоты 0 для диапазона / бункера [0,1] по оси X,
• полоса высотой 2 для диапазона / бункера [1,2],
• полоса высотой 1 для диапазона / бункера [2,3].

Вы можете построить это напрямую с помощью Matplotlib (его histфункция также возвращает ячейки и значения):

>>> 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))

Ниже histуказано, что в корзине №0 находится 0 элементов, в лотке №1 - 2, в лотке №4 - 4, в лотке №4 - 1.

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

bin_edges указывает, что интервал № 0 - интервал [0,1), интервал № 1 - [1,2), ..., интервал № 3 - [3,4).

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

Поиграйте с приведенным выше кодом, измените ввод на np.histogramи посмотрите, как он работает.

Но картинка стоит тысячи слов:

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

Еще одна полезная вещь, которую можно сделать, numpy.histogram- это построить вывод в виде координат x и y на линейном графике. Например:

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()

Это может быть полезным способом визуализировать гистограммы там, где вы хотели бы более высокий уровень детализации без полос повсюду. Очень полезно в гистограммах изображений для определения крайних значений пикселей.