Phenquestions
Синтаксис:
numpy.хистограма (input_array, bins = 10, range = None, normed = None, тегла = None, плътност = None)Тази функция може да отнеме шест аргумента, за да върне изчислената хистограма на набор от данни. Целите на тези аргументи са обяснени по-долу.
- input_array: Това е задължителен аргумент, който се използва за изчисляване на набора от данни на хистограмата.
- кошчета: Това е незадължителен аргумент, който може да приема цяло число или набор от цели числа или низови стойности. Използва се за определяне на броя на контейнерите с еднаква ширина. Може да се дефинира масив от ръбове на кошчето, който се увеличава монотонно. Може да включва най-десния ръб, който може да използва неравномерни ширини на кошчето. В новата версия на NumPy стойността на низа може да се използва за този аргумент.
- обхват: Това е незадължителен аргумент, който се използва за определяне на долно-горните диапазони на кошчетата. Стойността на обхвата по подразбиране се задава с помощта на макс () и мин () функции. Първият елемент от диапазона трябва да бъде по-малък или равен на втория елемент.
- нормиран: Това е незадължителен аргумент, който се използва за извличане на броя на пробите във всяка кош. Той може да върне фалшив изход за неравномерни ширини на кошчето.
- тежести: Това е незадължителен аргумент, който се използва за дефиниране на масива, който съдържа стойности на теглото.
- плътност: Това е незадължителен аргумент, който може да приеме всяка булева стойност. Ако стойността на този аргумент е True, тогава ще бъде върнат броят на извадките във всеки контейнер; в противен случай стойностите на функцията за плътност на вероятността ще бъдат върнати.
Тази функция може да върне два масива. Единият е масивът hist, който съдържа набора от данни за хистограма. Друг е ръбовият масив, който съдържа стойностите на кошчето.
Пример 1: Отпечатайте хистограмния масив
Следващият пример показва използването на функцията histogram () с едномерен масив и аргумента bins с последователните стойности. Като входен масив е използван масив от 5 цели числа, а като стойност на контейнерите е използван масив от 5 последователни стойности. Съдържанието на масива от хистограми и масива за отпадъци ще се отпечата заедно като изход.
# Импортиране на библиотека NumPyимпортиране на numpy като np
# Извикайте функцията histogram (), която връща данни за хистограма
np_array = np.хистограма ([10, 3, 8, 9, 7], кошчета = [2, 4, 6, 8, 10])
# Отпечатайте изхода на хистограмата
print ("Изходът на хистограмата е: \ n", np_array)
Изход:
След изпълнението на горния скрипт ще се появи следният изход.
Пример 2: Отпечатайте хистограмата и масивите
Следващият пример показва как масивът на хистограмата и масивът на bin могат да бъдат създадени с помощта на функцията histogram (). Създаден е масив NumPy с помощта на функцията подреждане () в скрипта. След това функцията histogram () е извикала да върне стойностите на масива и bin масива поотделно.
# Импортиране на библиотека NumPyимпортиране на numpy като np
# Създаване на масив NumPy с помощта на arange ()
np_array = np.подреден (90)
# Създайте данни за хистограма
hist_array, bin_array = np.хистограма (np_array, bins = [0, 10, 25, 45, 70, 100])
# Отпечатайте масив от хистограма
print ("Данните от хистограмния масив са:", hist_array)
# Отпечатайте масив за кошчета
print ("Данните на bin масива са:", bin_array)
Изход:
След изпълнението на горния скрипт ще се появи следният изход.
Пример 3: Отпечатайте хистограмата и редиците на базата на аргумент за плътност
Следващият пример показва използването на плътността аргумент на функцията histogram () за създаване на масив хистограма. NumPy масив от 20 числа се създава с помощта на функцията arange (). Първата функция на хистограма () се извиква чрез задаване на плътност стойност до Невярно. Втората функция за хистограма () се извиква чрез задаване на плътност стойност до Вярно.
# импортиране на масив NumPyимпортиране на numpy като np
# Създайте масив NumPy от 20 последователни числа
np_array = np.подреден (20)
# Изчислете данните на хистограмата с фалшива плътност
hist_array, bin_array = np.хистограма (np_array, плътност = False)
print ("Изходът на хистограмата чрез задаване на плътност на False: \ n", hist_array)
print ("Изходът на bin масив: \ n", bin_array)
# Изчислете данните на хистограмата с истинска плътност
hist_array, bin_array = np.хистограма (np_array, плътност = True)
print ("\ nИзходът на хистограмата чрез задаване на плътност на True: \ n", hist_array)
print ("Изходът на bin масив: \ n", bin_array)
Изход:
След изпълнението на горния скрипт ще се появи следният изход.
Пример 4: Начертайте стълбовидна диаграма, като използвате данни от хистограмата
Трябва да инсталирате библиотеката matplotlib на python, за да нарисувате стълбовата диаграма, преди да изпълните скрипта на този пример. hist_array и bin_array са създадени с помощта на функцията histogram (). Тези масиви са използвани във функцията bar () на библиотеката matplotlib за създаване на стълбовидна диаграма.
# импортиране на необходимите библиотекиимпортиране на matplotlib.pyplot като plt
импортиране на numpy като np
# Създайте набор от хистограми
hist_array, bin_array = np.хистограма ([4, 10, 3, 13, 8, 9, 7], контейнери = [2, 4, 6, 8, 10, 12, 14])
# Задайте някои конфигурации за диаграмата
plt.фигура (figsize = [10, 5])
plt.xlim (мин. (bin_array), max (bin_array))
plt.решетка (ос = 'y', алфа = 0.75)
plt.xlabel ('Edge Values', fontsize = 20)
plt.ylabel ('Стойности на хистограма', размер на шрифта = 20)
plt.заглавие („Диаграма на хистограмата“, размер на шрифта = 25)
# Създайте диаграмата
plt.лента (bin_array [: - 1], hist_array, width = 0.5, цвят = "син")
# Показване на диаграмата
plt.покажи ()
Изход:
След изпълнението на горния скрипт ще се появи следният изход.
Заключение:
Функцията histogram () е обяснена в този урок с помощта на различни прости примери, които ще помогнат на читателите да разберат целта на използването на тази функция и да я прилагат правилно в скрипта.
