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 histogram 函数。

相对频率直方图是每个 bin 中观测数量与总观测数量的比率的映射。

参数:

aarray_like: 输入数组。
numbinsint, 可选: 直方图使用的 bin 的数量。默认为 10。
defaultreallimitstuple (lower, upper), 可选: 直方图范围的下限和上限值。如果未给出值，则使用比 a 中值的范围稍大的范围。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。默认为 None，这为每个值提供 1.0 的权重

返回:

frequencyndarray: 相对频率的分箱值。
lowerlimitfloat: 下限实际值。
binsizefloat: 每个 bin 的宽度。
extrapointsint: 额外的点。

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()