numpy.bincount
numpy.bincount(x, weights=None, minlength=0)
计算非负整数数组中每个值的出现次数。
bins数（大小为1）比x中的最大值大1。如果指定了minlength，则输出数组中至少有此bin数量（尽管如果需要，它会更长一些，具体取决于x的内容）。每个bin均以x表示其索引值的出现次数。如果指定了权重，则对输入数组进行加权，即，如果在位置i处找到值n，则out [n] += weight[i]而不是out[n] += 1。
参数 ： | x ：array_like, 1 dimension, nonnegative ints 输入数组。 weights ：array_like, 可选 权重，与x形状相同的数组。 minlength ：int, 可选 输出阵列的最小bins数。 1.6.0版中的新功能。 |
返回值 ： | out ：ndarray of ints 合并输入数组的结果。 out的长度等于 |
Raises ： | ValueError 如果输入不是一维的， 或者包含具有负值的元素，或者minlength为负。 TypeError 输入的类型是float还是complex。 |
例子
>>> 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
输入数组必须为整数dtype，否则将引发TypeError：
>>> 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'bincount的一种可能用法是使用weights关键字对数组的可变大小的块执行求和。
>>> 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])