Trong khi đọc lên numpy, tôi đã gặp chức năng này numpy.histogram().
Nó dùng để làm gì và nó hoạt động như thế nào? Trong các tài liệu họ đề cập đến các thùng : Chúng là gì?
Một số googling dẫn tôi đến định nghĩa về Biểu đồ nói chung . Tôi hiểu rồi Nhưng thật không may, tôi không thể liên kết kiến thức này với các ví dụ được đưa ra trong các tài liệu.
Câu trả lời:
Một thùng là phạm vi đại diện cho chiều rộng của một thanh đơn của biểu đồ dọc theo trục X. Bạn cũng có thể gọi đây là khoảng thời gian. (Wikipedia định nghĩa chúng chính thức hơn là "các danh mục rời rạc".)
Hàm Numpy histogramkhông vẽ biểu đồ, nhưng nó tính toán sự xuất hiện của dữ liệu đầu vào trong mỗi thùng, từ đó xác định diện tích (không nhất thiết là chiều cao nếu các thùng không có chiều rộng bằng nhau) của mỗi thanh.
Trong ví dụ này:
np.histogram([1, 2, 1], bins=[0, 1, 2, 3])Có 3 thùng, cho các giá trị nằm trong khoảng từ 0 đến 1 (excl 1.), 1 đến 2 (ví dụ 2) và 2 đến 3 (bao gồm 3), tương ứng. Cách Numpy định nghĩa các thùng này nếu bằng cách đưa ra một danh sách các dấu phân cách ( [0, 1, 2, 3]) trong ví dụ này, mặc dù nó cũng trả về các thùng trong kết quả, vì nó có thể chọn chúng tự động từ đầu vào, nếu không được chỉ định. Nếu bins=5, ví dụ, nó sẽ sử dụng 5 thùng của bằng chiều rộng chênh lệch giữa giá trị đầu vào tối thiểu và giá trị đầu vào tối đa.
Các giá trị đầu vào là 1, 2 và 1. Do đó, bin "1 đến 2" chứa hai lần xuất hiện (hai 1giá trị) và bin "2 đến 3" chứa một lần xuất hiện (the 2). Những kết quả này nằm trong mục đầu tiên trong bộ dữ liệu được trả về : array([0, 2, 1]).
Vì các thùng ở đây có chiều rộng bằng nhau, bạn có thể sử dụng số lần xuất hiện cho chiều cao của mỗi thanh. Khi vẽ, bạn sẽ có:
Bạn có thể vẽ biểu đồ này trực tiếp với Matplotlib ( histchức năng của nó cũng trả về các thùng và các giá trị):
>>> 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()
binsgiá trị được tạo thủ công lần cuối thành giá trị tối đa trong mảng.
import numpy as np
hist, bin_edges = np.histogram([1, 1, 2, 2, 2, 2, 3], bins = range(5))
Dưới đây, histchỉ ra rằng có 0 mục trong bin # 0, 2 trong bin # 1, 4 trong bin # 3, 1 trong bin # 4.
print(hist)
# array([0, 2, 4, 1])
bin_edges chỉ ra rằng bin # 0 là khoảng [0,1), bin # 1 là [1,2), ..., bin # 3 là [3,4).
print (bin_edges)
# array([0, 1, 2, 3, 4]))
Chơi với mã trên, thay đổi đầu vào np.histogramvà xem cách nó hoạt động.
Nhưng một bức tranh đáng giá ngàn lời nói:
import matplotlib.pyplot as plt
plt.bar(bin_edges[:-1], hist, width = 1)
plt.xlim(min(bin_edges), max(bin_edges))
plt.show()
plt.bar(bin_edges[:-1], hist, width=1)và plt.xlim(min(bin_edges), max(bin_edges)), để làm cho các thanh vừa với chiều rộng dự kiến của chúng (nếu không, có thể chỉ có một thùng nhỏ hơn không có giá trị ở giữa).
Một điều hữu ích khác để làm numpy.histogramlà vẽ đồ thị đầu ra dưới dạng tọa độ x và y trên một sơ đồ đường. Ví dụ:
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()
Đây có thể là một cách hữu ích để trực quan hóa biểu đồ nơi bạn muốn mức độ chi tiết cao hơn mà không có thanh ở khắp mọi nơi. Rất hữu ích trong biểu đồ hình ảnh để xác định các giá trị pixel cực đoan.