Numpy中np.bincount的使用方法总结

---

一、遇到np.bincount

在阅读《Python机器学习基础教程》这本书的时候遇到了这行代码，让我遇到了np.bincount

print("Sample counts per class:{}".format({
    
    n: v for n, v in zip(cancer.target_names, np.bincount(cancer.target))}))

• 代码解析

cancer.target

cancer.target.shape

(569,)

np.bincount(cancer.target)

array([212, 357], dtype=int64)

zip(cancer.target_names, np.bincount(cancer.target))

<zip at 0x1b7b4ead288>

list(zip(cancer.target_names, np.bincount(cancer.target)))

[(‘malignant’, 212), (‘benign’, 357)]

想了解更多关于zip函数的：python-zip()函数、lambda、map的单独与结合使用

---

二、详解np.bincount

• 统计作用

np.bincount是统计从0到array数组中最大数字出现的个数的函数，并同样以array数组输出显示。

• 函数使用

1. np.bincount(np.array([1, 1, 0, 0]))
   

本例中需统计的最大数字是1，因此返回从0到1统计出来每个数字出现的个数

2. np.bincount(np.array([3]))
   

本例中需统计的最大数字是3，因此返回从0到3统计出来每个数字出现的个数

3. np.bincount(np.array([0,0,0,0,0]))
   

本例中需统计的最大数字是0，因此返回从0到0统计出来每个数字出现的个数

4. np.bincount(np.array([1,2,3,4]))
   

本例中需统计的最大数字是4，因此返回从0到4统计出来每个数字出现的个数

5. np.bincount(np.array([False]))
   

系统指定False为0

6. np.bincount(np.array([True]))
   

系统指定True为1

7. np.bincount(np.array([True,False,False]))
   

---

总结

1. 为什么《Python机器学习基础教程》中可以使用np.bincount来统计患者患良性和恶行肿瘤的人数呢？
   答：由于cancer.target数组中只有0和1两个数字，最大的数字是1，因此返回的array数组肯定是从0到1每个数字出现的个数。

2. np.bincount只能计算一维的数组中数字出现的次数
   

3. 也不能统计字符串出现的次数