numpy.histogram
numpy.histogram(a, bins=10, range=None, normed=None, weights=None, density=None) [source]
计算一组数据的直方图。
参数 ： | a ：array_like 输入数据。直方图是在展平的数组上计算的。 bins ：int 或 sequence of scalars 或 str, 可选 如果bins是一个int， 则它定义给定范围内的等宽bin数（默认为10个）。 如果bin是序列， 则它定义bin边缘（包括最右边）的单调递增数组， 从而允许非均匀的bin宽度。 1.11.0版中的新功能。 如果bin是字符串， 则它定义用于计算最佳bin宽度的方法， 如histogram_bin_edges所定义。 range ：(float, float), 可选 bin的上下范围。如果未提供， 则范围只是 超出范围的值将被忽略。 范围的第一个元素必须小于或等于第二个。 范围也会影响自动bin计算。虽 然根据范围内的实际数据计算出箱宽是最佳的， 但bin数将填充整个范围，包括不包含数据的部分。 normed ：bool, 可选 从1.6.0版开始不推荐使用。 这等效于密度参数， 但是对于不等的箱宽会产生不正确的结果。不应使用。 在1.15.0版中进行了更改： 实际发出了DeprecationWarnings。 weights ：array_like, 可选 一组与a形状相同的weights。 每个中的每个值仅将其相关权重分配给仓位计数（而不是1）。 如果density为True，则将权重标准化， 以使该范围内的密度积分保持为1。 density ：bool, 可选 如果为 如果为 将其归一化以使该范围内的积分为1。 注意，除非选择了单位宽度的bin， 否则直方图值的总和将不等于1； 否则，将不等于1。它不是概率质量函数。 如果指定，则覆盖 |
返回值 ： | hist ： 直方图的值。有关可能的语义的描述，请参见密度和权重。 bin_edges ：array of dtype float 返回bin edges( |
Notes
除了最后一个（最右边）的垃圾箱外，其他所有垃圾箱都是半开的。换句话说，如果bin是：
[1, 2, 3, 4]那么第一个bin是[1，2）（包括1，但不包括2），第二个[2，3）。但是，最后一个bin是[3，4]，其中包括4。
例子
>>> np.histogram([1, 2, 1], bins=[0, 1, 2, 3])
(array([0, 2, 1]), array([0, 1, 2, 3]))
>>> np.histogram(np.arange(4), bins=np.arange(5), density=True)
(array([0.25, 0.25, 0.25, 0.25]), array([0, 1, 2, 3, 4]))
>>> np.histogram([[1, 2, 1], [1, 0, 1]], bins=[0,1,2,3])
(array([1, 4, 1]), array([0, 1, 2, 3]))>>> a = np.arange(5)
>>> hist, bin_edges = np.histogram(a, density=True)
>>> hist
array([0.5, 0. , 0.5, 0. , 0. , 0.5, 0. , 0.5, 0. , 0.5])
>>> hist.sum()
2.4999999999999996
>>> np.sum(hist * np.diff(bin_edges))
1.01.11.0版中的新功能。
自动箱选择方法示例，使用2个具有2000点的峰值随机数据：
>>> import matplotlib.pyplot as plt
>>> rng = np.random.RandomState(10) # deterministic random data
>>> a = np.hstack((rng.normal(size=1000),
... rng.normal(loc=5, scale=2, size=1000)))
>>> _ = plt.hist(a, bins='auto') # arguments are passed to np.histogram
>>> plt.title("Histogram with 'auto' bins")
Text(0.5, 1.0, "Histogram with 'auto' bins")
>>> plt.show()