给定一堆数字，需要统计这些数字中每个数字的个数。

如果这些数字是整数，那自然可以精确统计出来。

如果这些数字是浮点数，如果精确统计会发现几乎每个数字都只出现了一次。所以浮点数就要通过区间的方式进行统计。

一、使用collections.Counter

from collections import Counter

import numpy as np

import pylab as plt

a = np.random.randint(0, 10, (100))

c = Counter(a)

x = c.keys()

y = c.values()

plt.plot(x, y, linewidth=5, label="counter")

cnt = np.bincount(a)

plt.plot(range(len(cnt)), cnt, label="numpy")

plt.legend()

plt.show()

二、使用np.bincount

统计整数的出现次数，默认每个整数出现一次就算一次，可以通过weights参数指定每个整数的出现次数。

函数原型：numpy.bincount(x, weights=None, minlength=0)

weights表示各个数字的权重，长度和x一致。

import numpy as np

a = np.array([1, 2, 5, 7, 2])

print(np.bincount(a)) #[0 1 2 0 0 1 0 1]

print(np.bincount(a, [0.1, 0.2, 0.5, 0.7, 0.2])) #[0.  0.1 0.4 0.  0.  0.5 0.  0.7]

三、使用np.histogram

使用若干个区间统计浮点数出现次数。

values,edges=numpy.histogram(a, bins=10, range=None, normed=False, weights=None, density=None)

返回的edges和values都是一维数组，edges的长度比values大一个，表示len(values)个间隔。

a：一个数组，如果是多维会被当做一维数组
bins：如果是一个int，表示把区间[min,max]均分为bins份；如果是一个数组，表示手动指定各个bins
range：如果bins是一个int，使用range指定柱状图的区间
weights：可以为每个元素设定权重，默认每个元素权重为1
normed：已废弃
density：bool值

返回值：

values就是纵轴，是一个一维数组，表示每个柱子内元素的个数

edges就是横轴，是一个一维数组，它的长度比values多一维

四、使用np.interp实现插值

y=numpy.interp(x, xp, fp, left=None, right=None, period=None)

x：一个数组，表示要取哪些地方的插值结果
xp、fp：x坐标和y坐标
left、right、period：基本用不上，不必知道

返回值：y插值之后的结果，它的长度和x一样。

使用此函数可以只绘制一部分坐标而不用全不绘制。matplotlib内部自动会调用插值函数合理绘制图像，无需手动通过numpy调用，但当向前端传递数据让js完成绘制时，就需要手动调用numpy来进行插值。

实际上，matplotlib这个库在可视化数据时已经为我们做好了这些工作，如插值等，直接用matplotlib是不需要使用以上函数的。有时，需要将绘图数据从后端传到前端用HTML进行展示，这就需要压缩一下数据，只把展示的数据传送过来即可。

巴特西

画图必备numpy函数

一、使用collections.Counter

二、使用np.bincount

三、使用np.histogram

四、使用np.interp实现插值

最新文章

热门文章