Puntos clave: La función de recuento de bins de NumPy cuenta de forma eficiente valores únicos en un array, facilitando el análisis estadístico. La guía incluye ejemplos prácticos y visualizaciones que utilizan Matplotlib para ilustrar su aplicación.
- Demuestra la creación de arrays y el uso del número de bins.
- Incluye código completo para contar y graficar datos.
- Enlaces a recursos adicionales sobre visualización de datos y aprendizaje automático.
NumPy hace mucho más que Crea arrays. Este caballo de batalla también se encarga de estadísticas y funciones, como la correlación, que son importantes para la computación científica y el aprendizaje automático. Comienza nuestra encuesta sobre funciones estadísticas de NumPy con bincount().
La función de recuento de bins
En NumPy, la función bincount cuenta el número de valores únicos en un array. Primero Haz un array con:
- Tres 1
- Dos 2s
- Cinco cuatros
- Uno 5
arr = np.array([1,1,1,2,2,3,4,4,4,4,4,5])
Resultados en:
array([1, 1, 1, 2, 2, 3, 4, 4, 4, 4, 4, 5])
Luego utilizamos la función bincount() de NumPy para contar elementos únicos.
d=np.bincount(arr)
Resulta en un array de recuentos por posición del índice. En otras palabras, cuenta de izquierda a derecha. Fíjate en el 0 delante. Por alguna extraña razón, NumPy devuelve un bin más que el tamaño del array. Así que vamos a Haz algunos ajustes para eso.
array([0, 3, 2, 1, 5, 1])
Haz un array con elementos únicos de arr. Hacemos esto para poder representar el recuento con los valores más adelante.
a=np.unique(arr)
Resultados en:
array([1, 2, 3, 4, 5])
Como NumPy devuelve un bin más que el tamaño del array, insertamos un 0 al principio para que el recuento único y el bincount son de la misma forma y así poder graficarlos.
b=np.insert(arr,0,[0])
Esto nos da a:
array([0, 1, 1, 1, 2, 2, 3, 4, 4, 4, 4, 4, 5])
Luego Haz una lista única a partir de eso:
c=np.unique(b)
Ahora tiene el 0 extra para alinearse con el recuento de bins
array([0, 1, 2, 3, 4, 5])
Ahora c y d son de la misma forma, así que podemos representarlos usando Matplotlib.
plt.bar(c,d)
Resultados en este gráfico:
Como te puede Ve, hay son:
- Cinco elementos con valor 0
- Un elemento con valor 3
El código completo
Aquí está el código completo.
import numpy as np
import matplotlib.pyplot as plt
arr = np.array([1,1,1,2,2,3,4,4,4,4,4,5])
d=np.bincount(arr)
a=np.unique(arr)
b=np.insert(arr,0,[0])
c=np.unique(b)
plt.bar(c,d)
Lecturas relacionadas
- Blog de Aprendizaje Automático y Big Data de BMC
- Herramientas de desarrollo en Python: Tu kit de inicio en Python
- Guía de Visualización de Datos, una serie de tutoriales
- Guía de copos de nieve
- Explicación sobre el almacenamiento de datos: Data Lake vs Almacén vs Base de datos
- Analítica predictiva vs aprendizaje automático: ¿cuál es la diferencia?
Guía de Pandas
- Introducción y tutoriales de Pandas para principiantes
- Pandas: Cómo leer archivos CSV y JSON
- Cómo Crea un Dataframe Pandas a partir de un diccionario
- Cómo agrupar, concatenar y fusionar datos en Pandas
- Tipos de datos de Pandas
- Manejo de datos faltantes en Pandas: Explicación de los valores de NaN
- Introducción de NumPy con ejemplos
- Uso de StringIO para leer archivos de texto delimitados en NumPy
- Usando la función estadística NumPy Bincount
- Funciones y distribuciones estadísticas principales de NumPy
Estas publicaciones son mías y no representan necesariamente la posición, estrategias u opinión de BMC.