numpy.bincount

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

计数非负整数数组中每个值的出现次数。

箱数（1号）大于 x .如果 minlength 如果指定，则输出数组中至少会有此数量的存储桶（但如果需要，它将更长，具体取决于 x ）每个bin给出其索引值的出现次数 x .如果 weights 指定输入数组的权重，即如果一个值 n 在位置处找到 i ， out[n] += weight[i] 而不是 out[n] += 1 .

参数

x类数组，一维，非负整数

输入数组。

weights阵列式，可选

权重，形状与相同的数组 x .

minlength可选的

输出数组的最小箱数。

1.6.0 新版功能.

返回

out铟锡合金

对输入数组进行分块的结果。长度 out 等于 np.amax(x)+1 .

加薪

ValueError

如果输入不是一维的，或者包含负值的元素，或者如果 minlength 是否定的。

TypeError

如果输入的类型是float或complex。

参见

histogram, digitize, unique

实例

>>> 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

输入数组必须是整数数据类型，否则将引发类型错误：

>>> 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'

可能使用 bincount 是对数组的可变大小块执行求和，使用 weights 关键字。

>>> 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])

numpy.histogramdd numpy.histogram_bin_edges