问numpy.histogram()是如何工作的？

EN

柱状图是表示直方图沿X轴的单个条形宽度的范围。您也可以将其称为间隔。(维基百科更正式地将它们定义为“不相交的类别”。)

Numpy histogram函数不会绘制直方图，但它会计算每个条形图中输入数据的出现次数，进而确定每个条形图的面积(如果条形图的宽度不相等，则不一定是高度)。

在此示例中：

 np.histogram([1, 2, 1], bins=[0, 1, 2, 3])

有3个存储箱，取值范围从0到1(不包括1)、1到2(不包括2)和2到3(包括3)。在本例中，Numpy通过给出一个分隔符列表([0, 1, 2, 3])来定义这些bin的方式，尽管它也会在结果中返回bin，因为如果没有指定，它可以自动从输入中选择它们。例如，如果为bins=5，它将使用5个等宽分布在最小输入值和最大输入值之间的存储箱。

输入值为1、2和1。因此，bin "1 to 2“包含两个实例(两个1值)，bin "2 to 3”包含一个实例( 2)。这些结果位于返回的元组的第一项中：array([0, 2, 1])。

由于此处的存储箱具有相同的宽度，因此您可以使用每个条形的高度的引用次数。绘制后，您将拥有：

• 一个高度为0的条形，代表范围/条柱0,1在X轴上，
• 一个高度为2的条形，代表范围/条柱1,2，
• 一个高度为1的条形，代表范围/条柱2,3.

你可以直接用Matplotlib来绘制(它的hist函数也会返回箱子和值)：

>>> import matplotlib.pyplot as plt
>>> plt.hist([1, 2, 1], bins=[0, 1, 2, 3])
(array([0, 2, 1]), array([0, 1, 2, 3]), <a list of 3 Patch objects>)
>>> plt.show()

​

​

import numpy as np    
hist, bin_edges = np.histogram([1, 1, 2, 2, 2, 2, 3], bins = range(5))

下面，hist表示在bin #0中有0项，在bin #1中有2项，在bin #3中有4项，在bin #4中有1项。

print(hist)
# array([0, 2, 4, 1])   

bin_edges表示仓位#0是区间[0，1]，仓位#1是[1,2)，...，仓位#3是[3，4]。

print (bin_edges)
# array([0, 1, 2, 3, 4]))  

使用上面的代码，将输入更改为np.histogram，看看它是如何工作的。

但一张图片胜过千言万语：

import matplotlib.pyplot as plt
plt.bar(bin_edges[:-1], hist, width = 1)
plt.xlim(min(bin_edges), max(bin_edges))
plt.show()   

​

​

使用numpy.histogram的另一件有用的事情是在折线图上将输出绘制为x和y坐标。例如：

arr = np.random.randint(1, 51, 500)
y, x = np.histogram(arr, bins=np.arange(51))
fig, ax = plt.subplots()
ax.plot(x[:-1], y)
fig.show()

​

​

这可能是可视化直方图的一种有用的方法，在这种情况下，您需要更高级别的粒度，而不是到处都是条形图。在识别极端像素值的图像直方图中非常有用。