scipy.stats.

relfreq#

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

返回一个相对频率直方图，使用直方图函数。

相对频率直方图是每个箱子中观测值的数量相对于总观测值的映射。

参数:

aarray_like: 输入数组。
numbinsint，可选: 用于直方图的箱子数量。默认值为 10。
defaultreallimitstuple (下限, 上限)，可选: 直方图范围的下限和上限值。如果没有给出值，则使用略大于 a 中值的范围。具体来说，(a.min() - s, a.max() + s)，其中 s = (1/2)(a.max() - a.min()) / (numbins - 1)。
weightsarray_like，可选: a 中每个值的权重。默认值为 None，表示每个值的权重为 1.0

返回:

frequencyndarray: 相对频率的箱值。
lowerlimitfloat: 下限真实值。
binsizefloat: 每个箱子的宽度。
extrapointsint: 额外点。

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

创建一个具有 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)

绘制相对频率直方图

>>> 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()