numpy.bincount#

numpy.bincount(x, /, weights=None, minlength=0)#

计算非负整数数组中每个值出现的次数.

箱(大小为 1)的数量比 x 中的最大值大 1.如果指定了 minlength ,则输出数组中将至少有这么多箱(尽管如有必要,它会更长,具体取决于 x 的内容).每个箱给出其索引值在 x 中出现的次数.如果指定了 weights ,则输入数组会按其加权,即如果在位置 i 找到值 n ,则 out[n] += weight[i] 而不是 out[n] += 1 .

参数:
xarray_like,一维,非负整数

输入数组.

weights类数组,可选

权重,与 x 形状相同的数组.

minlengthint, optional

输出数组的最小箱数.

返回:
out整数的 ndarray

对输入数组进行分箱的结果. out 的长度等于 np.amax(x)+1 .

Raises:
ValueError

如果输入不是 1 维的,或者包含具有负值的元素,或者如果 minlength 为负数.

TypeError

如果输入的类型是 float 或 complex.

参见

histogram , digitize , unique

示例

>>> import numpy as np
>>> np.bincount(np.arange(5))
array([1, 1, 1, 1, 1])
>>> np.bincount(np.array([0, 1, 1, 3, 2, 1, 7]))
array([1, 3, 1, 1, 0, 0, 0, 1])

>>> x = np.array([0, 1, 1, 3, 2, 1, 7, 23])
>>> np.bincount(x).size == np.amax(x)+1
True

输入数组需要是整数 dtype,否则会引发 TypeError:

>>> np.bincount(np.arange(5, dtype=float))
Traceback (most recent call last):
  ...
TypeError: Cannot cast array data from dtype('float64') to dtype('int64')
according to the rule 'safe'

bincount 的一个可能用途是使用 weights 关键字对数组的可变大小的块执行求和.

>>> w = np.array([0.3, 0.5, 0.2, 0.7, 1., -0.6]) # weights
>>> x = np.array([0, 1, 1, 2, 2, 2])
>>> np.bincount(x,  weights=w)
array([ 0.3,  0.7,  1.1])
On this page