numpy 常用工具函数 —— np.bincount/np.average

numpy 常用工具函数 —— np.bincount/np.average

numpy 常用api（一） 
numpy 常用api（二）

一个函数提供 random_state 的关键字参数（keyword parameter）：是为了结果的可再现性（reoccurrence）或叫可重复性。

1. np.bincount()：统计次数

接口为：

numpy.bincount(x, weights=None, minlength=None)

• 1

尤其适用于计算数据集的标签列（y_train）的分布（distribution），也即获得 class distribution ：

>>> np.bincount(y_train.astype(np.int32))

• 1

>>> np.bincount(np.array([0, 1, 1, 3, 2, 1, 7]))
array([1, 3, 1, 1, 0, 0, 0, 1], dtype=int32)
            # 分别统计0-7分别出现的次数

• 1
• 2
• 3

If weights is specified the input array is weighted by it, i.e. if a value n is found at position i, out[n] += weight[i] instead of out[n] += 1.

>>> w = np.array([0.3, 0.5, 0.2, 0.7, 1., -0.6]) # weights
>>> x = np.array([0, 1, 1, 3, 2, 2])
>>> np.bincount(x, w)
array([ 0.3,  0.7,  0.4,  0.7])
            # 0: 0.3
            # 1:0.5+0.2
            # 2: 1+(-0.6)
            # 3: 0.7

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

np.bincount() 从零开始计数；

>>> np.bincount([3, 4, 4, 3, 3, 5])
array([0, 0, 0, 3, 2, 1], dtype=int32)
                            # 分别表示0出现的次数，
                            # 1出现的次数，
                            # 2出现的次数，
                            # 。。。

• 1
• 2
• 3
• 4
• 5
• 6

2. np.average()

np.average(X, axis=0, weights=w) == w.dot(X)

等式左部表示加权平均，sum(w)==1时才有意义，也即等式的左部比等式的右部多了一层加权平均的意义，内积代表着实现该意义的动作。

X = np.array([[.9, .1],
              [.8, .2],
              [.4, .6]])
w = np.array([.2, .2, .6])
print(w.dot(X))
print(np.average(X, axis=0, weights=w))

• 1
• 2
• 3
• 4
• 5
• 6

在一些情况下只能使用np.average()而无法使用简单的矩阵乘法操作： 
比如：

P = np.asarray([c.predict_proba(X) for c in clfs])
                            # 此时P是一个三维矩阵
                            # (# of clfs) * (# of samples) * (# of classes)
np.average(P, axis=0, weights=w)
                            # 此时的shape为 ((# of samples) * (# of classes))
                            # 仍然维持行和为1

• 1
• 2
• 3
• 4
• 5
• 6
• 7

也有一些情况下只能使用 np.average 而无法使用dot（矩阵乘法，matrix multiplication）运算：

def predict_proba(self, X):
    probas = np.asarray([clf.predict_proba(X) for clf in self.classifiers_])
    # return self.weights.dot(probas)
                # 此时self.weights有未赋值的风险
                # None类型肯定是不支持dot函数的
    return np.average(probas, axis=0, weights=self.weights)
                # np.average的功能便是，如果weights参数为None
                # 就执行正常的求平均操作