mindspore.numpy.bincount

mindspore.numpy.bincount(x, weights=None, minlength=0, length=None)[源代码]

计算数组中非负int值的出现次数。结果返回一个桶(大小为1)数组，桶数组长度比 x 中的最大值大1。如果指定了 minlength ，输出数组至少会有 minlength 个桶(如果指定了该参数，根据 x 的长度，可能会让输出数组更长)。 每个桶记录了其索引值在 x 中出现的次数。如果指定了 weights ，则输入数组会根据权重加权，即如果在位置 i 处找到了值 n ，则以 out[n] += weight 代替 out[n] += 1 。

说明

附加的参数 length 定义了桶的数量(覆盖 x.max() + 1 )，在 graph 模式下必须提供该参数。 如果 x 包含了负值，不会引发错误，负值将被视为0。

参数：

  • x (Union[list, tuple, Tensor]) - 1-d输入数组。

  • weights (Union[int, float, bool, list, tuple, Tensor]，可选) - 权重，与 x 的shape相同的数组。 默认值：0。

  • minlength (int, 可选) - 输出数组的最小桶数。 默认值： 0 。

  • length (int, 可选) - 桶的数量。 默认值： None 。

返回：

Tensor，即输入数组分桶后的结果。 输出的长度等于 np.amax(x) + 1 。

异常：

  • ValueError - 如果 x 不是一维的，或 x 和 weights 的shape不同。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore.numpy as np
>>> print(np.bincount(np.arange(5)))
[1. 1. 1. 1. 1.]
>>> print(np.bincount(np.array([0, 1, 1, 3, 2, 1, 7])))
[1. 3. 1. 1. 0. 0. 0. 1.]
>>> w = np.array([0.3, 0.5, 0.2, 0.7, 1., -0.6]) # weights
>>> x = np.array([0, 1, 1, 2, 2, 2])
>>> print(np.bincount(x,  weights=w))
[0.3 0.7 1.1]