Como funciona numpy.histogram ()?

Ao ler no numpy, encontrei a função numpy.histogram() .

Para que serve e como funciona? Nos documentos eles mencionam caixas : O que são?

Algumas pesquisas no Google me levaram à definição de histogramas em geral . Entendi. Mas, infelizmente, não posso vincular esse conhecimento aos exemplos fornecidos nos documentos.

Um bin é o intervalo que representa a largura de uma única barra do histograma ao longo do eixo X. Você também pode chamar isso de intervalo. (A Wikipedia os define mais formalmente como "categorias disjuntas".)

A histogramfunção Numpy não desenha o histograma, mas calcula as ocorrências de dados de entrada que caem dentro de cada compartimento, que por sua vez determina a área (não necessariamente a altura se os compartimentos não forem de largura igual) de cada barra.

Neste exemplo:

 np.histogram([1, 2, 1], bins=[0, 1, 2, 3])

Existem 3 bins, para valores que variam de 0 a 1 (excl. 1.), 1 a 2 (excl. 2) e 2 a 3 (incl. 3), respectivamente. A forma como Numpy define esses bins é dando uma lista de delimitadores ( [0, 1, 2, 3]) neste exemplo, embora também retorne os bins nos resultados, já que pode escolhê-los automaticamente na entrada, se nenhum for especificado. E sebins=5 , por exemplo, ele usar 5 caixas de largura igual, espalhadas entre o valor de entrada mínimo e o valor de entrada máximo.

Os valores de entrada são 1, 2 e 1. Portanto, bin "1 a 2" contém duas ocorrências (os dois 1valores) e bin "2 a 3" contém uma ocorrência (o 2). Estes resultados são no primeiro item na tupla retornada: array([0, 2, 1]).

Uma vez que as caixas aqui são de largura igual, você pode usar o número de ocorrências para a altura de cada barra. Quando desenhado, você teria:

• uma barra de altura 0 para intervalo / bin [0,1] no eixo X,
• uma barra de altura 2 para intervalo / bin [1,2],
• uma barra de altura 1 para range / bin [2,3].

Você pode plotar isso diretamente com Matplotlib (sua histfunção também retorna os bins e os valores):

>>> import matplotlib.pyplot as plt
>>> plt.hist([1, 2, 1], bins=[0, 1, 2, 3])
(array([0, 2, 1]), array([0, 1, 2, 3]), <a list of 3 Patch objects>)
>>> plt.show()

import numpy as np    
hist, bin_edges = np.histogram([1, 1, 2, 2, 2, 2, 3], bins = range(5))

Abaixo, histindica que há 0 itens no compartimento nº 0, 2 no compartimento nº 1, 4 no compartimento nº 3, 1 no compartimento nº 4.

print(hist)
# array([0, 2, 4, 1])   

bin_edges indica que bin # 0 é o intervalo [0,1), bin # 1 é [1,2), ..., bin # 3 é [3,4).

print (bin_edges)
# array([0, 1, 2, 3, 4]))  

Brinque com o código acima, altere a entrada para np.histograme veja como funciona.

Mas uma imagem vale mais que mil palavras:

import matplotlib.pyplot as plt
plt.bar(bin_edges[:-1], hist, width = 1)
plt.xlim(min(bin_edges), max(bin_edges))
plt.show()   

Outra coisa útil para fazer numpy.histogramé plotar a saída como as coordenadas xey em um gráfico de linha. Por exemplo:

arr = np.random.randint(1, 51, 500)
y, x = np.histogram(arr, bins=np.arange(51))
fig, ax = plt.subplots()
ax.plot(x[:-1], y)
fig.show()

Essa pode ser uma maneira útil de visualizar histogramas em que você deseja um nível mais alto de granularidade sem barras em todos os lugares. Muito útil em histogramas de imagem para identificar valores extremos de pixels.