numpy.bincount#

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

计算数组中每个值在非负整数数组中出现的次数.

箱子（大小为1）的数量比 x 中的最大值大一.如果指定了 minlength,输出数组中将至少有这个数量的箱子（尽管如果需要,根据 x 的内容,它会更长）.每个箱子给出了其索引值在 x 中出现的次数.如果指定了 weights,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.

weightsarray_like, 可选

权重,与 x 形状相同的数组.

minlengthint, 可选

输出数组的最小箱数.

在 1.6.0 版本加入.

返回:
outint 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

如果输入不是一维的,或者包含负值元素,或者如果 minlength 是负的.

TypeError

如果输入的类型是浮点数或复数.

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数据类型,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 的一个可能用途是使用 weights 关键字对数组的可变大小块进行求和.

>>> 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])
On this page