Python 代码的左侧如何为计数和边赋值??有人能简要解释一下这个代码吗
我想知道如何通过Python 代码的左侧如何为计数和边赋值??有人能简要解释一下这个代码吗,python,numpy,matplotlib,machine-learning,Python,Numpy,Matplotlib,Machine Learning,我想知道如何通过np.直方图一次分配计数和bin_边值 counts,bin_edges=np.histogram(iris_setosa['sepal_length'],bins=10,density=True) 假设data是一个1D numpy数组,bins是一个严格的正整数,代码大致如下: 将numpy导入为np def numpy_直方图(数据,箱数=10,密度=False): xmin=data.min() xmax=data.max() bin_边=np.linspace(xmi
np.直方图
一次分配计数和bin_边
值
counts,bin_edges=np.histogram(iris_setosa['sepal_length'],bins=10,density=True)
假设
data
是一个1D numpy数组,bins
是一个严格的正整数,代码大致如下:
将numpy导入为np
def numpy_直方图(数据,箱数=10,密度=False):
xmin=data.min()
xmax=data.max()
bin_边=np.linspace(xmin,xmax,bin+1)
计数=np.零(箱,数据类型=int)
bin_指数=((数据-xmin)/(xmax-xmin)*bin*0.999999)
对于bin_指数中的i:
计数[i]+=1
如果密度:
计数=计数/总和(计数)/(箱边[1]-箱边[0])
返回计数,bin_边
计数,二进制边=numpy直方图(np.随机.均匀(1,10,20),密度=真)
打印(总和(计数),计数)
因此,数据的最小值和最大值用于定义面元边界。(有一个边界比有多个箱子)。然后从每个数据中减去xmin
,然后除以数据的总范围。然后乘以垃圾箱的数量。这标识了该值应放在的箱子索引。需要通过略小于1的系数进行修正,以便最右边的值不会落在以下(未定义的)容器中
当density=True
时,计数将标准化,以使所有条的面积之和为一。这些条的宽度在两个连续的bin\u边之间存在差异
PS:关于Python同时分配多个元素很有趣。您的问题是关于np.histogram
如何工作,还是关于将其输出分配给两个变量?这个作业只是Python“解包”的一个例子。你能回答这两个问题吗