numpy.bincount使用

它大致说bin的数量比x中的最大值大1，每个bin给出了它的索引值在x中出现的次数。下面，我举个例子让大家更好的理解一下：

# 我们可以看到x中最大的数为7，因此bin的数量为8，那么它的索引值为0->7x = np.array([0, 1, 1, 3, 2, 1, 7])# 索引0出现了1次，索引1出现了3次......索引5出现了0次......np.bincount(x)#因此，输出结果为：array([1, 3, 1, 1, 0, 0, 0, 1])# 我们可以看到x中最大的数为7，因此bin的数量为8，那么它的索引值为0->7x = np.array([7, 6, 2, 1, 4])# 索引0出现了0次，索引1出现了1次......索引5出现了0次......np.bincount(x)#输出结果为：array([0, 1, 1, 0, 1, 0, 1, 1])
1
2
3
4
5
6
7
8
9
10
11
1
2
3
4
5
6
7
8
9
10
11

下面，我来解释一下weights这个参数。文档说，如果weights参数被指定，那么x会被它加权，也就是说，如果值n发现在位置i，那么out[n] += weight[i]而不是out[n] += 1.因此，我们weights的大小必须与x相同，否则报错。下面，我举个例子让大家更好的理解一下：

w = np.array([0.3, 0.5, 0.2, 0.7, 1., -0.6])# 我们可以看到x中最大的数为4，因此bin的数量为5，那么它的索引值为0->4x = np.array([2, 1, 3, 4, 4, 3])# 索引0 -> 0# 索引1 -> w[1] = 0.5# 索引2 -> w[0] = 0.3# 索引3 -> w[2] + w[5] = 0.2 - 0.6 = -0.4# 索引4 -> w[3] + w[4] = 0.7 + 1 = 1.7np.bincount(x,  weights=w)# 因此，输出结果为：array([ 0. ,  0.5,  0.3, -0.4,  1.7])
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10

最后，我们来看一下minlength这个参数。文档说，如果minlength被指定，那么输出数组中bin的数量至少为它指定的数（如果必要的话，bin的数量会更大，这取决于x）。下面，我举个例子让大家更好的理解一下：

# 我们可以看到x中最大的数为3，因此bin的数量为4，那么它的索引值为0->3x = np.array([3, 2, 1, 3, 1])# 本来bin的数量为4，现在我们指定了参数为7，因此现在bin的数量为7，所以现在它的索引值为0->6np.bincount(x, minlength=7)# 因此，输出结果为：array([0, 2, 1, 2, 0, 0, 0])# 我们可以看到x中最大的数为3，因此bin的数量为4，那么它的索引值为0->3x = np.array([3, 2, 1, 3, 1])# 本来bin的数量为4，现在我们指定了参数为1，那么它指定的数量小于原本的数量，因此这个参数失去了作用，索引值还是0->3np.bincount(x, minlength=1)# 因此，输出结果为：array([0, 2, 1, 2])