scipy.stats.

relfreq#

scipy.stats.relfreq(a, numbins=10, defaultreallimits=None, weights=None)[源代码]#

使用 histogram 函数返回一个相对频数直方图。

一个相对频数直方图是对照所有观测值的每一个箱中的观测值数量进行映射的结果。

参数:

a类似于数组: 输入数组。
numbins整数，可选: 用于直方图的箱数。默认值为 10。
defaultreallimits元组 (下限，上限)，可选: 直方图范围的下限和上限。如果没有给定值，则使用一个比 a 中值的范围稍微大的范围。具体为 (a.min() - s, a.max() + s)，其中 s = (1/2)(a.max() - a.min()) / (numbins - 1)。
weights类似于数组，可选: a 中每个值的权重。默认为 None，它赋予每个值 1.0 的权重

返回:

frequencyndarray: 相对频率的分组值。
lowerlimitfloat: 较低实际下限。
binsizefloat: 每个分箱的宽度。
extrapointsint: 附加点。

示例

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from scipy import stats
>>> rng = np.random.default_rng()
>>> a = np.array([2, 4, 1, 2, 3, 2])
>>> res = stats.relfreq(a, numbins=4)
>>> res.frequency
array([ 0.16666667, 0.5       , 0.16666667,  0.16666667])
>>> np.sum(res.frequency)  # relative frequencies should add up to 1
1.0

创建具有 1000 个随机值的正态分布

>>> samples = stats.norm.rvs(size=1000, random_state=rng)

计算相对频率

>>> res = stats.relfreq(samples, numbins=25)

计算 x 的值空间

>>> x = res.lowerlimit + np.linspace(0, res.binsize*res.frequency.size,
...                                  res.frequency.size)

绘制相对频率柱状图

>>> fig = plt.figure(figsize=(5, 4))
>>> ax = fig.add_subplot(1, 1, 1)
>>> ax.bar(x, res.frequency, width=res.binsize)
>>> ax.set_title('Relative frequency histogram')
>>> ax.set_xlim([x.min(), x.max()])

>>> plt.show()