numpy------bincount()通俗易懂

bincount的用途很简单，就是统计出一个列表的各个元素的出现次数。

例如输入是：[1，0，2，2，1，2，3，5]

那么输出就是：[1，2，3，1，0，1]

这样的结果可能并不是很直观，可能依然会有同学会问为什么会输出这样的结果。

我们看看：假如我们把输入的列表中的数字都统计一遍，形成一个字典：

key是列表的数字，value是数字对应出现的次数：

{
  0：1，
  1：2，
  2：3，
  3：1，
  4：0，
  5：1
}

所以这就很直观啦，但是又有同学要问了，输入明明没有4啊，为什么也要统计4呢？因为这就是bincount的特性，例如如果一个列表中最大的数字是5的话，那么输出的列表就有6个(5+1)元素，因为要统计0~5数字的出现频率。

说白了 bincount就是统计列表中数字对应的出现频率的。

 

那有什么用呢？

对于我而言，我一般用来看一个矩阵中的值是否符合我的预期。如果一个矩阵太大，是打印不出来的，调试时看也很不方便，于是，用bincount就可以输出，矩阵中的数字的出现频率，进而知道矩阵中的值的取值范围是不是符合我的预期。当然，二维三维的输入数据要做一个reshape处理，把它转成一维向量，如：

import numpy as np
img = cv2.imread(path)
print(np.bincount(img.reshape(-1)))