区间数组中的 numpy 计数 - Python

在数据分析中，常常需要计算某个区间内的数据个数。这个时候，我们可以使用numpy库的histogram函数来实现。

基本用法

import numpy as np

data = np.array([0.5, 1.0, 1.5, 2.0, 2.5, 3.0])
bins = np.array([0, 1, 2, 3])

counts, _ = np.histogram(data, bins)
print(counts)

输出结果为：[1 2 2]，表示在[0,1]区间内有1个数据，[1,2]区间内有2个数据，[2,3]区间内有2个数据。

自定义区间

默认情况下，np.histogram会平均地将数据分配到各个区间中。但是，我们也可以自定义区间。

import numpy as np

data = np.arange(10)
bins = np.array([0,2,4,6,8,10])
counts, _ = np.histogram(data, bins)
print(counts)

输出结果为：[2 2 2 2 2]，表示在[0,2]区间内有2个数据，[2,4]区间内有2个数据，以此类推。

多维数组

当数据是多维数组时，我们需要指定哪一维需要进行计数。

import numpy as np

data = np.array([[0.5, 1.0], [1.5, 2.0], [2.5, 3.0]])
bins = np.array([0, 1, 2, 3])

counts, _ = np.histogram(data, bins, axis=0)
print(counts)

输出结果为：[[1 1] [2 2] [0 1]]，表示在[0,1]区间内有1个数据，[1,2]区间内有2个数据，以此类推。这里axis=0指定了按照第一维进行计数。

总结

通过使用numpy的histogram函数，可以方便地对数据进行区间计数。不仅可以实现平均分配区间，还可以自定义区间。对于多维数组，可以通过指定axis参数来进行计数。