numpy.histogram_bin_edges#
- numpy.histogram_bin_edges(a, bins=10, range=None, weights=None)[source]#
此函数仅用于计算
histogram函数所使用的 bin 边缘。- 参数:
- aarray_like
输入数据。直方图是根据扁平化数组计算的。
- binsint 或标量序列 或 str，可选
如果 bins 是一个 int 值，它定义了给定范围内的等宽 bin 数量（默认为 10）。如果 bins 是一个序列，它定义了 bin 的边缘，包括最右边的边缘，允许非均匀的 bin 宽度。
如果 bins 是以下列表中的一个字符串，
histogram_bin_edges将使用所选方法从请求范围内的数据中计算出最佳 bin 宽度，并因此得出 bin 的数量（有关估算器的更多详细信息，请参阅“说明”部分）。虽然 bin 宽度将是该范围内实际数据的最佳值，但 bin 数量将计算以填充整个范围，包括空的部分。建议使用“auto”选项进行可视化。自动 bin 大小选择不支持加权数据。- ‘auto’
“sturges”和“fd”估算器之间的最小 bin 宽度。提供良好的全面性能。
- ‘fd’ (Freedman Diaconis 估算器)
稳健（对异常值具有弹性）的估算器，考虑了数据变异性和数据大小。
- ‘doane’
Sturges 估算器的改进版本，对非正态数据集效果更好。
- ‘scott’
不太稳健的估算器，考虑了数据变异性和数据大小。
- ‘stone’
基于留一交叉验证集成平方误差估算的估算器。可视为 Scott 规则的推广。
- ‘rice’
该估算器不考虑变异性，仅考虑数据大小。通常会高估所需的 bin 数量。
- ‘sturges’
R 的默认方法，仅考虑数据大小。只对高斯数据是最佳的，对大型非高斯数据集会低估 bin 的数量。
- ‘sqrt’
平方根（数据大小的平方根）估算器，因其速度和简洁性而被 Excel 和其他程序使用。
- range(float, float)，可选
bin 的下限和上限范围。如果未提供，范围简单地是
(a.min(), a.max())。超出范围的值将被忽略。范围的第一个元素必须小于或等于第二个元素。range 也会影响自动 bin 计算。虽然 bin 宽度是根据 range 内的实际数据计算为最佳值，但 bin 计数将填充整个范围，包括不包含数据的部分。- weightsarray_like，可选
与 a 形状相同的权重数组。a 中的每个值仅贡献其相关权重到 bin 计数（而不是 1）。此参数目前未被任何 bin 估算器使用，但将来可能会使用。
- 返回:
- bin_edgesdtype 为 float 的数组
传递给
histogram的边缘
另请参阅
说明
估算最佳 bin 数量的方法在文献中已有充分论证，并受到 R 为直方图可视化提供选项的启发。请注意，bin 数量与 \(n^{1/3}\) 成比例是渐近最优的，这就是它出现在大多数估算器中的原因。这些只是提供 bin 数量良好起点的即插即用方法。在下面的等式中，\(h\) 是 bin 宽度，\(n_h\) 是 bin 数量。所有计算 bin 计数的估算器都使用数据的
ptp重新转换为 bin 宽度。最终的 bin 计数通过np.round(np.ceil(range / h))获得。最终的 bin 宽度通常小于下面估算器返回的值。- ‘auto’（“sturges”和“fd”估算器中的最小 bin 宽度）
这是一个折衷方案以获得一个好值。对于小型数据集，通常会选择 Sturges 值，而大型数据集通常默认为 FD。避免了 FD 和 Sturges 分别对小型和大型数据集过于保守的行为。转换点通常是 \(a.size \approx 1000\)。
- ‘fd’ (Freedman Diaconis 估算器)
- \[h = 2 \frac{IQR}{n^{1/3}}\]
bin 宽度与四分位距 (IQR) 成正比，与 a.size 的立方根成反比。对于小型数据集可能过于保守，但对于大型数据集相当好。IQR 对异常值非常稳健。
- ‘scott’
- \[h = \sigma \sqrt[3]{\frac{24 \sqrt{\pi}}{n}}\]
bin 宽度与数据的标准差成正比，与
x.size的立方根成反比。对于小型数据集可能过于保守，但对于大型数据集相当好。标准差对异常值不太稳健。在没有异常值的情况下，其值与 Freedman-Diaconis 估算器非常相似。 - ‘rice’
- \[n_h = 2n^{1/3}\]
bin 的数量仅与
a.size的立方根成正比。它倾向于高估 bin 的数量，并且不考虑数据变异性。 - ‘sturges’
- \[n_h = \log _{2}(n) + 1\]
bin 的数量是
a.size的以 2 为底的对数。此估算器假定数据呈正态分布，对于大型非正态数据集而言过于保守。这是 R 的hist方法中的默认方法。 - ‘doane’
- \[ \begin{align}\begin{aligned}n_h = 1 + \log_{2}(n) + \log_{2}\left(1 + \frac{|g_1|}{\sigma_{g_1}}\right)\\g_1 = mean\left[\left(\frac{x - \mu}{\sigma}\right)^3\right]\\\sigma_{g_1} = \sqrt{\frac{6(n - 2)}{(n + 1)(n + 3)}}\end{aligned}\end{align} \]
Sturges 公式的改进版本，可为非正态数据集生成更好的估算值。此估算器试图考虑数据的偏度。
- ‘sqrt’
- \[n_h = \sqrt n\]
最简单、最快的估算器。只考虑数据大小。
此外，如果数据是整数数据类型（dtype），则 bin 宽度永远不会小于 1。
示例
>>> import numpy as np >>> arr = np.array([0, 0, 0, 1, 2, 3, 3, 4, 5]) >>> np.histogram_bin_edges(arr, bins='auto', range=(0, 1)) array([0. , 0.25, 0.5 , 0.75, 1. ]) >>> np.histogram_bin_edges(arr, bins=2) array([0. , 2.5, 5. ])
为了与 histogram 保持一致，预计算的 bin 数组会直接传递而不进行修改
>>> np.histogram_bin_edges(arr, [1, 2]) array([1, 2])
此函数允许计算一组 bin，并在多个直方图之间重复使用
>>> shared_bins = np.histogram_bin_edges(arr, bins='auto') >>> shared_bins array([0., 1., 2., 3., 4., 5.])
>>> group_id = np.array([0, 1, 1, 0, 1, 1, 0, 1, 1]) >>> hist_0, _ = np.histogram(arr[group_id == 0], bins=shared_bins) >>> hist_1, _ = np.histogram(arr[group_id == 1], bins=shared_bins)
>>> hist_0; hist_1 array([1, 1, 0, 1, 0]) array([2, 0, 1, 1, 2])
这比为每个直方图使用单独的 bin 更容易比较结果
>>> hist_0, bins_0 = np.histogram(arr[group_id == 0], bins='auto') >>> hist_1, bins_1 = np.histogram(arr[group_id == 1], bins='auto') >>> hist_0; hist_1 array([1, 1, 1]) array([2, 1, 1, 2]) >>> bins_0; bins_1 array([0., 1., 2., 3.]) array([0. , 1.25, 2.5 , 3.75, 5. ])