Numpy np.bincount

“Il numpy bincount () ci consente di calcolare il numero di occorrenze di ciascun elemento in una matrice di numeri interi positivi.

Discutiamo di come funziona questa funzione e come possiamo usarla."

np.funzione bincount ()

Come affermato, la funzione ci consente di determinare il numero di occorrenze di un elemento in una serie di numeri interi non negativi. Questo evento è anche noto come la frequenza di un elemento.

La sintassi della funzione è come mostrata:

numpy.Bincount (x, /, pesi = nessuno, MinLength = 0)

I parametri della funzione sono mostrati:

1. X - si riferisce all'array di input che contiene numeri interi positivi.
2. pesi - Specifica i pesi forniti come un array della stessa forma di x.
3. MinLength - Questo parametro specifica il numero minimo di bin dell'array di output.

La funzione restituisce quindi il risultato del binning dell'array. La lunghezza dell'array di uscita è uguale a NP.Amax (x) + 1.

In termini semplici, significa che la dimensione dell'array di output è 1 maggiore dell'elemento massimo nell'array di input.

Binning si riferisce al metodo di raggruppamento di una serie di valori più o meno in gruppi più piccoli.

Tieni presente che gli elementi nell'array di input devono essere di tipo intero. Se viene fornito un valore non interi, la funzione aumenta un tyleeerror.

L'array deve contenere anche numeri interi positivi. Se la funzione incontra un valore negativo, aumenterà un'eccezione ValueRror.

Numpy np.Esempio di Bincount ()

L'esempio seguente mostra la funzione Bincount ().

# Importa modulo numpy
Importa Numpy come NP
# Crea un array 1-D di numeri interi +ve
arr = np.Array ([1,2,0,6,7,8,3,4,5,6,7,7])
stampa ("dimensione", len (arr))
output_array = np.Bincount (arr)
print (f "output: output_array")
print ("dimensione:", len (output_array))

Nell'esempio sopra, iniziamo importando il modulo numpy. Creiamo quindi un array unidimensionale con interi non negativi. Questo è l'array la cui frequenza desideriamo determinare.

Quindi utilizziamo la funzione Bincount () e memorizziamo il risultato nella variabile output_array.

Quindi stampiamo l'array di output, che contiene la frequenza di ciascun elemento nell'array.

L'output risultante:

$ Python Bincount.Py
Taglia 13
Output: [1 1 1 1 1 1 1 2 3 2]
Dimensioni: 9

Dall'output sopra, possiamo concludere che l'array di input ha 2, sei valori, 3, sette valori e 2, otto valori.

Esempio 2

Possiamo anche impostare il numero minimo di bin per l'array di output impostando il parametro MinLength.

Un esempio è come mostrato:

arr_2 = np.Array ([1,3,3,4,4,4,5,5,6,7,8])
out = np.Bincount (arr_2, nessuno, 15)
print (f "output: out")
stampa ("dimensione:", len (out))

Il codice dovrebbe restituire un output:

$ Python Bincount.Py
Output: [0 1 0 2 3 2 2 1 1 0 0 0 0 0 0]
Dimensione: 15

Possiamo vedere che la dimensione corrisponde al parametro MinLength specificato.

Esempio 3

Possiamo anche eseguire un'aggiunta nell'elemento impostando il parametro pesi.

Un codice di esempio è come mostrato:

arr_1 = np.Array ([1,2,0,6,7,8,3,4,5,6,7,7])
arr_2 = np.Array ([1,3,3,4,4,4,5,5,6,6,7,7])
out = np.Bincount (arr_1, pesi = arr_2)
print (f "output: out")
stampa ("dimensione:", len (out))

Il codice sopra dovrebbe restituire un'aggiunta nell'array di input e dei pesi.

$ Python Bincount.Py
Output: [3. 1. 3. 5. 5. 6. 10. 18. 12."
Dimensioni: 9

Conclusione

In questo tutorial, abbiamo esplorato come lavorare con la funzione Bincount () in Numpy. Sentiti libero di esplorare i documenti per ulteriori informazioni.