maxframe.tensor.bincount#

maxframe.tensor.bincount(x, weights=None, minlength=0, chunk_size_limit=None)[源代码]#

统计非负整数数组中每个值的出现次数。

bin 的数量（大小为 1）比 x 中的最大值大 1。如果指定了 minlength，则输出数组中至少有这么多 bin（但如果需要，可能会更长，取决于 x 的内容）。每个 bin 给出其索引值在 x 中的出现次数。如果指定了 weights，则输入数组将按其加权，即如果在位置 i 找到值 n，则 out[n] += weight[i] 而不是 out[n] += 1。

参数:

  • x (tensor or array_like, 1 dimension, nonnegative ints) -- 输入数组。

  • weights (tensor or array_like, optional) -- 权重，与 x 形状相同的数组。

  • minlength (int, optional) -- 输出数组的最小 bin 数量。

返回:

out -- 对输入数组进行分箱的结果。out 的长度等于 np.amax(x)+1。

返回类型:

tensor of ints

抛出:

  • ValueError -- 如果输入不是一维的，或包含负值元素，或 minlength 为负。

  • TypeError -- 如果输入的类型是浮点数或复数。

参见

histogram, digitize, unique

示例

>>> import maxframe.tensor as mt
>>> mt.bincount(mt.arange(5)).execute()
array([1, 1, 1, 1, 1])
>>> mt.bincount(mt.tensor([0, 1, 1, 3, 2, 1, 7])).execute()
array([1, 3, 1, 1, 0, 0, 0, 1])

输入数组必须是整数 dtype，否则会引发 TypeError：

>>> mt.bincount(mt.arange(5, dtype=float)).execute()
Traceback (most recent call last):
  ....execute()
TypeError: Cannot cast array data from dtype('float64') to dtype('int64')
according to the rule 'safe'

bincount 的一个可能用途是使用 weights 关键字对数组的可变大小块执行求和。

>>> w = mt.array([0.3, 0.5, 0.2, 0.7, 1., -0.6]) # weights
>>> x = mt.array([0, 1, 1, 2, 2, 2])
>>> mt.bincount(x, weights=w).execute()
array([ 0.3,  0.7,  1.1])