scipy.stats.

relfreq

scipy.stats.relfreq(a, numbins=10, defaultreallimits=None, weights=None)

返回一个相对频率直方图，使用直方图函数。

相对频率直方图是对每个区间内观察次数相对于总观察次数的映射。

参数:

aarray_like

输入数组。

numbinsint, 可选

用于直方图的箱数。默认值为10。

defaultreallimits元组 (下限, 上限), 可选

直方图范围的下限和上限。如果没有给出值，则使用略大于 a 中值范围的范围。具体来说 (a.min() - s, a.max() + s)，其中 s = (1/2)(a.max() - a.min()) / (numbins - 1)。

权重类似数组, 可选

a 中每个值的权重。默认是 None，表示每个值的权重为 1.0。

返回:

频率ndarray

相对频率的分箱值。

下限浮动

下限。

binsize浮动

每个箱子的宽度。

额外积分整数

额外积分。

示例

Try it in your browser!

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from scipy import stats
>>> rng = np.random.default_rng()
>>> a = np.array([2, 4, 1, 2, 3, 2])
>>> res = stats.relfreq(a, numbins=4)
>>> res.frequency
array([ 0.16666667, 0.5       , 0.16666667,  0.16666667])
>>> np.sum(res.frequency)  # relative frequencies should add up to 1
1.0

创建一个包含1000个随机值的正态分布

>>> samples = stats.norm.rvs(size=1000, random_state=rng)

计算相对频率

>>> res = stats.relfreq(samples, numbins=25)

计算 x 的值域

>>> x = res.lowerlimit + np.linspace(0, res.binsize*res.frequency.size,
...                                  res.frequency.size)

绘制相对频率直方图

>>> fig = plt.figure(figsize=(5, 4))
>>> ax = fig.add_subplot(1, 1, 1)
>>> ax.bar(x, res.frequency, width=res.binsize)
>>> ax.set_title('Relative frequency histogram')
>>> ax.set_xlim([x.min(), x.max()])

>>> plt.show()

Go BackOpen In Tab