Як працює numpy.histogram ()?

Під час читання на numpy я стикався з функцією numpy.histogram().

Для чого це і як це працює? У документах вони згадують бункери : Що вони?

Деякий гуглінг привів мене до визначення гістограми взагалі . Я це розумію. Але, на жаль, я не можу пов'язати ці знання з прикладами, наведеними в документах.

Бункер - це діапазон, який представляє ширину однієї смуги гістограми вздовж осі X. Ви також можете назвати цей інтервал. (Вікіпедія визначає їх формальніше як "непересічні категорії".)

Функція Numpy histogramне малює гістограму, але вона обчислює випадки вхідних даних, що потрапляють у кожну скриньку, що в свою чергу визначає площу (не обов'язково висоту, якщо бункери не однакової ширини) кожного бара.

У цьому прикладі:

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

Є 3 бункери для значень від 0 до 1 (без 1.), 1 до 2 (без 2) і 2 до 3 (в т. 3) відповідно. Спосіб Numpy визначає ці бункери, якщо [0, 1, 2, 3]в цьому прикладі подає список роздільників ( ), хоча він також повертає біни в результатах, оскільки він може вибирати їх автоматично з вхідних даних, якщо жодні не вказані. Якщо bins=5, наприклад, він буде використовувати 5 бункерів однакової ширини розкиду між вхідним значенням мінімального і максимального значення вхідного сигналу.

Вхідні значення дорівнюють 1, 2 і 1. Тому бін "1 до 2" містить два входження (два 1значення), а бін "2 до 3" містить один випадок (the 2). Ці результати в перший елемент в повернутому кортежі: array([0, 2, 1]).

Оскільки бункери тут однакової ширини, ви можете використовувати кількість вступів для висоти кожного бруска. Коли ви малюєте, у вас буде:

• бар висоти 0 для дальності / бункера [0,1] на осі X,
• бар висотою 2 для дальності / бункера [1,2],
• брусок висотою 1 для дальності / бункера [2,3].

Ви можете побудувати це безпосередньо за допомогою Matplotlib (його histфункція також повертає бункери та значення):

>>> 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))

Нижче histвказується, що в кошику №0 є 0 предметів, 2 у кошику №1, 4 у кошику №3, 1 у кошику №4.

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

bin_edges вказує, що бін # 0 - інтервал [0,1), бін №1 - [1,2), ..., бін №3 - [3,4).

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

Пограйте з вищевказаним кодом, змініть вхід np.histogramі подивіться, як він працює.

Але картина варта тисячі слів:

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

Ще одна корисна річ numpy.histogram- це побудувати висновок у вигляді координат x та y на лінійному графіку. Наприклад:

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()

Це може бути корисним способом візуалізації гістограм там, де ви б хотіли більш високий рівень зернистості без брусків скрізь. Дуже корисний у гістограмах зображення для виявлення екстремальних значень пікселів.