scipy.stats.relfreq¶
- scipy.stats.relfreq(a, numbins=10, defaultreallimits=None, weights=None)[源代码]¶
使用直方图函数返回相对频率直方图。
相对频率直方图是每个箱中的观测值相对于总观测值的映射。
- 参数
- aarray_like
输入数组。
- numbins整型,可选
用于直方图的仓位数。默认值为10。
- defaultreallimits元组(下、上),可选
直方图范围的下限和上限。如果未给定值,则使用略大于a中的值范围的范围。具体地说,
(a.min() - s, a.max() + s)
,在哪里s = (1/2)(a.max() - a.min()) / (numbins - 1)
。- weightsARRAY_LIKE,可选
中每个值的权重 a 。默认值为None,即为每个值赋予1.0的权重
- 退货
- frequencyndarray
相对频率的入库值。
- lowerlimit浮动
实际下限。
- binsize浮动
每个存储箱的宽度。
- extrapoints集成
加分。
示例
>>> import matplotlib.pyplot as plt >>> from numpy.random import default_rng >>> from scipy import stats >>> rng = 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
创建具有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的值空间
>>> 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()