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。

分箱（大小为 1）的数量比 x 中的最大值大一。如果指定了 minlength，则输出数组中将至少有此数量的分箱（但如有必要，它会更长，具体取决于 x 的内容）。每个分箱给出其索引值在 x 中出现的次数。如果指定了 weights，则输入数组将按其加权，即如果在位置 i 找到值 n，则 out[n] += weight[i] 而不是 out[n] += 1。

参数:

x类数组，1 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。
minlength整型，可选: 输出数组的最小分箱数。

返回:

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

抛出:

ValueError: 如果输入不是 1 维的，或包含负值元素，或 minlength 为负数。
TypeError: 如果输入类型是浮点数或复数。

另请参阅

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数据类型（dtype），否则会抛出 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 的一种可能用途是，利用 weights 关键字对数组中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])