numpy.bincount#

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

计算非负整数数组中每个值的出现次数。

箱子（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此数量的箱子（但如果需要，它会更长，具体取决于 x 的内容）。每个箱子给出其索引值在 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 处找到值 n，则 out[n] += weight[i] 而不是 out[n] += 1。

参数:
xarray_like，1 维，非负整数

输入数组。

weightsarray_like，可选

权重，与 x 形状相同的数组。

minlengthint，可选

输出数组的最小箱子数。

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。

引发:
ValueError

如果输入不是 1 维的，或者包含负值的元素，或者如果 minlength 为负数。

TypeError

如果输入的类型为浮点数或复数。

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 的一种可能的用途是使用 weights 关键字执行数组可变大小块的总和。

>>> 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])
在本页上