numpy.bincount¶
-
numpy.
bincount
(x, weights=None, minlength=None)¶ 计算非负整数数组中每个值的出现次数。
块(大小为1)的数量大于x中的最大值。如果指定minlength,那么在输出数组中至少会有这个数目的bin(如果需要,根据x的内容,它会更长)。每个bin给出其索引值在x中的出现次数。If weights is specified the input array is weighted by it, i.e. if a value
n
is found at positioni
,out[n] += weight[i]
instead ofout[n] += 1
.参数: x:array_like,1 dimension,nonnegative ints
输入数组。
权重:array_like,可选
权重,与x形状相同的数组。
minlength:int,可选
输出数组的最小数目。
版本1.6.0中的新功能。
返回: out:intar的ndarray
binning输入数组的结果。out的长度等于
np.amax(x)+1
。上升: ValueError
如果输入不是一维的,或包含负值的元素,或minlength是非正数。
TypeError
如果输入的类型是float或complex。
例子
>>> 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=np.float)) Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: array cannot be safely cast to required type
bincount
的一种可能用法是使用weights
关键字对数组的可变大小块执行求和。>>> 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])