scipy.stats.

relfreq#

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

Gibt ein relatives Häufigkeitshistogramm zurück, das die Funktion histogram verwendet.

Ein relatives Häufigkeitshistogramm ist eine Zuordnung der Anzahl der Beobachtungen in jedem der Behälter relativ zur Gesamtzahl der Beobachtungen.

Parameter:

aarray_like: Eingabearray.
numbinsint, optional: Die Anzahl der Behälter, die für das Histogramm verwendet werden sollen. Standard ist 10.
defaultreallimitstuple (untere, obere), optional: Die unteren und oberen Werte für den Bereich des Histogramms. Wenn kein Wert angegeben wird, wird ein Bereich verwendet, der etwas größer als der Bereich der Werte in a ist. Genauer gesagt (a.min() - s, a.max() + s), wobei s = (1/2)(a.max() - a.min()) / (numbins - 1).
weightsarray_like, optional: Die Gewichte für jeden Wert in a. Standard ist None, was jedem Wert ein Gewicht von 1,0 gibt

Rückgabe:

frequencyndarray: Behälterwerte der relativen Häufigkeit.
lowerlimitfloat: Untere reale Grenze.
binsizefloat: Breite jedes Behälters.
extrapointsint: Zusätzliche Punkte.

Beispiele

>>> 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

Erstellen Sie eine Normalverteilung mit 1000 Zufallswerten

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

Relative Häufigkeiten berechnen

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

Wertebereich für x berechnen

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

Relatives Häufigkeitshistogramm plotten

>>> 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()