scipy.stats.

relfreq#

scipy.stats.relfreq(a, numbins=10, defaultreallimits=None, веса=None)[источник]#

Вернуть гистограмму относительных частот, используя функцию гистограммы.

Относительная частотная гистограмма — это отображение количества наблюдений в каждом из бинов относительно общего числа наблюдений.

Параметры:

aarray_like: Входной массив.
numbinsint, необязательный: Количество бинов для использования в гистограмме. По умолчанию 10.
defaultreallimitsкортеж (нижняя, верхняя), опционально: Нижнее и верхнее значения для диапазона гистограммы. Если значение не задано, используется диапазон, немного больший, чем диапазон значений в a. Конкретно (a.min() - s, a.max() + s), где s = (1/2)(a.max() - a.min()) / (numbins - 1).
весаarray_like, необязательный: Веса для каждого значения в a. По умолчанию None, что даёт каждому значению вес 1.0

Возвращает:

частотаndarray: Бинированные значения относительной частоты.
lowerlimitfloat: Нижний реальный предел.
размер бинаfloat: Ширина каждого бина.
дополнительные точкиint: Дополнительные точки.

Примеры

>>> 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

Создать нормальное распределение со 1000 случайными значениями

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

Вычисление относительных частот

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

Вычисление пространства значений для x

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

Построить гистограмму относительных частот

>>> 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()