Numpy NP.Bincount

„Mit dem Numpy Bincount () können wir die Anzahl der Vorkommen jedes Elements in einer Reihe positiver Ganzzahlen berechnen.

Lassen Sie uns diskutieren, wie diese Funktion funktioniert und wie wir sie verwenden können.”

np.Bincount () Funktion

Wie bereits erwähnt, ermöglicht es uns, die Anzahl der Vorkommen eines Elements in einem Array nicht negativer Ganzzahlen zu bestimmen. Dieses Ereignis ist auch als die Häufigkeit eines Elements bekannt.

Die Funktionssyntax ist wie gezeigt:

Numpy.Bincount (x, /, Gewichte = keine, minlength = 0)

Die Funktionsparameter werden angezeigt:

1. X - bezieht.
2. Gewichte - Gibt die Gewichte an, die als Array der gleichen Form wie x bereitgestellt werden.
3. Minlength - Dieser Parameter gibt die minimale Anzahl der Behälter des Ausgangsarrays an.

Die Funktion gibt dann das Ergebnis des Binning des Arrays zurück. Die Länge des Ausgangsarrays entspricht NP.AMAX (x) + 1.

In einfachen Worten bedeutet dies, dass die Größe des Ausgangsarrays 1 größer ist als das maximale Element im Eingangsarray.

Binning bezieht sich auf die Methode, eine Reihe von mehr oder weniger Werten in kleinere Gruppen zu gruppieren.

Denken Sie daran, dass die Elemente im Eingabearray vom ganzzahligen Typ sein müssen. Wenn ein Nichtteger-Wert bereitgestellt wird, erhöht die Funktion einen Typeerror.

Das Array muss auch nur positive Ganzzahlen enthalten. Wenn die Funktion auf einen negativen Wert trifft, erhöht sie eine ValueError -Ausnahme.

Numpy NP.Bincount () Beispiel

Das folgende Beispiel zeigt die Funktion bincount () funktioniert.

# Numpy Modul importieren
Numph als NP importieren
# Erstellen Sie ein 1-D-Array von +ve Ganzzahlen
arr = np.Array ([1,2,0,6,7,8,3,4,5,6,7,8,7])
print ("Größe", Len (arr))
output_array = np.Bincount (arr)
print (f "output: output_array")
print ("Größe:", len (output_array))

Im obigen Beispiel beginnen wir zunächst das Numpy -Modul. Wir erstellen dann ein eindimensionales Array, das nicht negative Ganzzahlen hält. Dies ist das Array, dessen Häufigkeit wir bestimmen möchten.

Wir verwenden dann die Funktion bincount () und speichern das Ergebnis in der Variablen output_array.

Anschließend drucken wir das Ausgangsarray, das die Frequenz jedes Elements im Array hält.

Die resultierende Ausgabe:

$ Python Bincount.py
Größe 13
Ausgang: [1 1 1 1 1 1 2 3 2]
Größe: 9

Aus der obigen Ausgabe können wir zu dem Schluss kommen, dass das Eingangsarray 2, sechs Werte, 3, sieben Werte und 2, acht Werte enthält.

Beispiel 2

Wir können auch die minimale Anzahl von Bins für das Ausgangsarray einstellen, indem wir den Parameter Minlenlänge einstellen.

Ein Beispiel ist wie gezeigt:

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

Der Code sollte eine Ausgabe zurückgeben:

$ Python Bincount.py
Ausgabe: [0 1 0 2 2 2 2 1 1 0 0 0 0 0 0]
Größe: 15

Wir können sehen, dass die Größe mit dem angegebenen Parameter von Minlenlänge übereinstimmt.

Beispiel 3

Wir können auch eine elementzielle Ergänzung durchführen, indem wir den Parameter des Gewichts festlegen.

Ein Beispielcode ist wie gezeigt:

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

Der obige Code sollte eine Element-Addition des Eingangsarrays und der Gewichte zurückgeben.

$ Python Bincount.py
Ausgabe: [3. 1. 3. 5. 5. 6. 10. 18. 12.]
Größe: 9

Abschluss

In diesem Tutorial haben wir untersucht, wie man mit der Bincount () -Funktion in Numpy arbeitet. Fühlen Sie sich frei, die Dokumente für mehr zu erkunden.