python中np.bincount()

python中np.bincount()

x = np.array([1, 2, 3, 3, 0, 1, 4])
np.bincount(x)
'''
array([1, 2, 1, 2, 1], dtype=int64)
'''

统计索引出现次数：索引0出现1次，1出现2次，2出现1次，3出现2次，4出现1次

因此通过bincount计算出索引出现次数如下：
bin的数量比x中最大数多1，例如x最大为4，那么bin数量为5(index从0到4)，也就是bincount输出的一维数组为5个数，bincount中的数代表的是它的索引值在x中出现的次数！

还是以上述x为例子，当我们设置weights参数时候

w = np.array([0.3,0.5,0.7,0.6,0.1,-0.9,1])

那么设置这个w权重后

np.bincount(x,weights=w)

’‘’
array([ 0.1, -0.6,  0.5,  1.3,  1. ])
‘’‘

怎么计算的？

先对x与w抽取出来：

x —> [1, 2, 3, 3, 0, 1, 4]

w —> [0.3,0.5,0.7,0.6,0.1,-0.9,1]
索引 0 出现在x中index=4位置，那么在w中访问index=4的位置即可，w[4]=0.1

索引 1 出现在x中index=0与index=5位置，那么在w中访问index=0与index=5的位置即可，然后将两这个加和，计算得：w[0]+w[5]=-0.6
其余的按照上面的方法即可！

bincount的另外一个参数为minlength，这个参数简单，可以这么理解，当所给的bin数量多于实际从x中得到的bin数量后，后面没有访问到的设置为0即可。

这里我们直接设置minlength=7参数，并输出！

np.bincount(x,weights=w,minlength=7)
’‘’
array([ 0.1, -0.6,  0.5,  1.3,  1. ,  0. ,  0. ])
‘’‘

与上面相比多了两个0，怎么回事呢？

上面知道，这个bin数量为5，index从0到4，那么当minlength为7的时候，也就是总长为7，index从0到6，多了后面两位，直接补位为0即可！