[转载] python histogram函数_Python numpy.histogram_bin_edges函数方法的使用

参考链接： Python中的numpy.ceil

numpy.histogram_bin_edges

 numpy.histogram_bin_edges(a, bins=10, range=None, weights=None)    [source]

 仅计算histogram函数使用的bin边缘的函数。参数 ：a ：array_like

 输入数据。直方图是在展平的数组上计算的。

 bins ：int 或 sequence of scalars 或 str, 可选

 如果bins是一个int，

 则它定义给定范围内的等宽 bins数(默认为10个)。

 如果bin是序列，则它将定义bin边缘(包括最右边)，

 从而允许非均匀的bin宽度。

 如果bins是下面列表中的字符串，

 histogram_bin_edges将使用选择的方法来计算最佳bin宽度，

 从而根据落下的数据计算bin的数量

 (有关估计量的更多信息，请参见“Notes”)。

 在要求的范围内。虽然箱宽对于该范围内的实际数据而言是最佳的，

 但bins 数将被计算为填充整个范围，包括空白部分。

 为了实现可视化，建议使用 ‘auto’ 选项。

 自动箱大小选择不支持加权数据。‘auto’'sturges'和' fd'估计量的最大值。提供良好的整体性能。‘fd’ (Freedman Diaconis Estimator)考虑数据可变性和数据大小的健壮(对离群值有弹性)估计器。‘doane’Sturges ' estimator的改进版本，能更好地处理非正规数据集。‘scott’考虑到数据可变性和数据大小的不太稳健的估计。‘stone’基于leave-one-out cross-validation的综合平方误差估计的估计量。

 可以看作是斯科特规则的概括。‘rice’估计器不考虑可变性，只考虑数据的大小。

 通常高估所需bins的数量。‘sturges’R的默认方法，只考虑数据大小。只对高斯数据最优，

 对大的非高斯数据集低估bins数。‘sqrt’平方根(数据大小)估计器，用于Excel和其他程序的速度和简单。

 range ：(float, float), 可选

 bins的上下范围。如果未提供，则范围只是(a.min()，a.max())。

 超出范围的值将被忽略。范围的第一个元素必须小于或等于第二个。

 范围也会影响自动bin计算。

 虽然根据范围内的实际数据计算出箱宽是最佳的，

 但箱数将填充整个范围，包括不包含数据的部分。

 weights ：array_like, 可选

 一组与a形状相同的weights。

 每个中的每个值仅将其相关权重分配给bin计数(而不是1)。

 目前，任何bin估算器均未使用此功能，但将来可能会使用。

 返回值 ：bin_edges ：array of dtype float

 要传递到histogram中的边缘

 Notes

 估计箱的最佳数量的方法在文献中已经建立，并且受到R为直方图可视化提供的选择的启发。请注意，使bins数与比例成正比是渐近最优的，这就是为什么它出现在大多数估计器中的原因。这些都是简单的插件方法，可为bins数量提供良好的起点。在下面的公式中，是binwidth和bin的数量。使用数据的ptp将所有计算bin计数的估计器重转成为bin宽度。最终的bin计数是从np.round(np.ceil(range / h))获得的。

 ‘auto’ (maximum of the ‘sturges’ and ‘fd’ estimators)

 为了得到一个好的价值而做出的妥协。对于小型数据集，Sturges值通常会被选择，而大型数据集通常会默认为FD。避免FD和Sturges分别对小数据集和大数据集过于保守的行为。切换点通常在

 。

 ‘fd’ (Freedman Diaconis Estimator)

 

 binwidth与四分位范围(IQR)成正比，与a的立方根成反比。对于小数据集可能过于保守，但对于大数据集非常好。IQR对异常值非常稳健。

 ‘scott’

 

 binwidth与数据的标准偏差成正比，与x.size的立方根成反比。对于小数据集可能过于保守，但对于大数据集非常好。标准差对离群值不是很稳健。在没有异常值的情况下，值非常类似于Freedman-Diaconis估计量。

 ‘rice’

 

 bins的数量只与a.size的立方根成正比。它倾向于高估bins的数量，而不考虑数据的可变性。

 ‘sturges’

 

 bins的数量以a.size的2 log为底。该估计量假设数据正态性，对于较大的非正态数据集过于保守。这是R的hist方法中的默认方法。

 ‘doane’

 

 斯特奇斯公式的改进版本，对非正常数据集产生更好的估计。这个估计器试图解释数据的歪斜。

 ‘sqrt’

 

 最简单最快的估计值。只考虑数据大小。

 例子>>> arr = np.array([0, 0, 0, 1, 2, 3, 3, 4, 5])

 >>> np.histogram_bin_edges(arr, bins='auto', range=(0, 1))

 array([0. , 0.25, 0.5 , 0.75, 1. ])

 >>> np.histogram_bin_edges(arr, bins=2)

 array([0. , 2.5, 5. ])

 为了与直方图保持一致，预先计算的bin数组将通过未修改的传递：>>> np.histogram_bin_edges(arr, [1, 2])

 array([1, 2])

 此功能允许计算一组bin，并在多个直方图中重复使用：>>> shared_bins = np.histogram_bin_edges(arr, bins='auto')

 >>> shared_bins

 array([0., 1., 2., 3., 4., 5.])>>> group_id = np.array([0, 1, 1, 0, 1, 1, 0, 1, 1])

 >>> hist_0, _ = np.histogram(arr[group_id == 0], bins=shared_bins)

 >>> hist_1, _ = np.histogram(arr[group_id == 1], bins=shared_bins)>>> hist_0; hist_1

 array([1, 1, 0, 1, 0])

 array([2, 0, 1, 1, 2])

 与为每个直方图使用单独的bin相比，这提供了更容易比较的结果：>>> hist_0, bins_0 = np.histogram(arr[group_id == 0], bins='auto')

 >>> hist_1, bins_1 = np.histogram(arr[group_id == 1], bins='auto')

 >>> hist_0; hist_1

 array([1, 1, 1])

 array([2, 1, 1, 2])

 >>> bins_0; bins_1

 array([0., 1., 2., 3.])

 array([0. , 1.25, 2.5 , 3.75, 5. ])