numpy bincount 智障理解版

这个版本的适用前提有两个：

    1. 已经看了英文版官方说明和一些其他blog并没有完全get  

    2. 其实是1的延伸，不懂的原因大概跟我差不多，脑力不够，俗称智障

以上任意一条不符合请不要继续，我怕你看完骂我智障。。。

好，话不多说，我就用大家都用的这个例子（我现在编辑器也用不利索，就大概打一下）

    x = np.array( [ 0, 1, 1, 3, 2, 1, 7 ] )

    np.bincount(x)

    输出结果 array( [ 1, 3, 1,1, 0, 0, 0, 1] )

权重部分并没有什么特殊的，一个字都不会提。

这个函数的使命：一个数列，长这样，想换个方法，还能认出是它，但是主要表达频次。in short，映射

建立一个映射关系，要有对应的东西，也就是两边都能找着的，在这里就是原数列的值和新数列的indice，新数列的值就是频次啦。

如果你比我傻得更甚，那我还有一个大招：把bincount输出的结果当做原数列的频率分布直方图的纵轴数值，indice就是横轴的取值范围

由上述大招也就非常好理解这个函数的两个特性：

    1. bincount输出的数列长度比原数列最大值大1   

        原因：数列长度跟indice相关，indice想要覆盖原数列画直方图当然要到最大值，但它开始于0（这你要问我为什么我也不会回答的），所以会大一个。关于minlength有一些说法，在此不作说明。

    2. 这个函数的操作范围是非负整数

       原因： 返回值是频次，对应的横轴是indice，indice是从0开始的整数，so，就酱

不知道会不会有人看到。希望对跟我一样蹒跚着的人有些细小的帮助。

博主是个非常没有自信但觉得这个领域挺好玩的人，在这个社区学到了一些东西，以后有这种卡住后突然想懂的东西会写过来的。

接受指正不接受批评，脾气很坏的