كيف تعمل الدالة histogram في numpy وما هي فائدتها؟

bin هو مجال يمثل عرض bar (شريط) واحد من الهستوغرام على طول المحور الأفقي X. كما يمكن أن نسميه بالفاصل الزمني. يقوم هذا التابع بحساب عدد مرات ظهور عناصر من مصفوفة الدخل ضمن مجال معين "bar"، ستفهم أكثر من خلال المثال التالي، لكن سأعطيك مثال من خلال دالة تكافئ هذه الدالة لأن هذه الدالة لاتقوم بالرسم:

import matplotlib.pyplot as plt

plt.hist([1, 2, 2], bins=[0, 1, 2, 3])
plt.show()
# bins=[0, 1, 2, 3] تعني أنه سيتم تقسيم المحور الأفقي إلى أريع مجالات تبعاً لهذه القيم
# [1, 2, 2] هي الثائمة التي نريد حساب هستوغرامها
# وبالتالي هذا التابع يحسب لنا عدد مرات ظهور عناصر من بيانات الدخل ضمن مجال معين
# لاحظ أنه ضمن المجال من 0 إلى 1 لايوجد أي عناصر في بيانات الدخل ولهذا لم يظهر لنا البار 
# ضمن المجال من 1 ل 2 يوجد قيمة وحيدة وهي 1
# لاحظ أن 2 لاتحتسب ضمن المجال وإنما الأصغر تماماً من 2
# الآن ضمن المجال من 2 ل 3 يوجد قيمتين في بيانات الدخل وهما 2 و 2 لذا كانت قمة البار تقابل القيمة 2 على المحور الأفقي

مثال آخر:

plt.hist([0,0,1, 2, 2,5,5,5], bins=[0, 1, 2, 3,4,5])
plt.show()
# لاحظ أنه ضمن المجال من 3 ل4 لاتوجد أي قيمة في بيانات الدخل لذا كان طول البار يساوي 0 ضمن هذا المجال
# كما نلاحظ أن طول البار يساوي 3 ضمن المجال من 4 ل 5 لوجود 3 قيم في بيانات الدخل ضمن هذا المجال
# لاحظ أيضاً أنه بالرغم من أن 5 ليست أصغر تماماً لكنها احتسبت ضمن المجال وهذه حالة خاصة لأنها آخر مجال

لاحظ هنا عند إضافة مجال آخر ستحتسب القيمة 5 ضمن المجال الجديد:

# هنا سنعبث بالمجالات
plt.hist([0,0,1, 2, 2,5,5,5], bins=[0, 1, 2,2.5,5,6])
plt.show()
# أو مجال من 0 ل1 والثاني من 1 ل2والثالث من 2 ل 2.5 ويوجد ضمنه قيمتين وهكذا

دالة np.histogram تعمل بشكل مكافئ تماماً، لكنها لاتقوم بالرسم.

# أمثلة
np.histogram([1, 2, 1], bins=[0, 1, 2, 3])
#(array([0, 2, 1]), array([0, 1, 2, 3]))
np.histogram(np.arange(4), bins=np.arange(5), density=True)
#(array([0.25, 0.25, 0.25, 0.25]), array([0, 1, 2, 3, 4]))
np.histogram([[1, 2, 1], [1, 0, 1]], bins=[0,1,2,3])
#(array([1, 4, 1]), array([0, 1, 2, 3]))

ونستخدمها في الأمور الإحصائية أو في مهام معالجة الصور حيث أن حساب هستوغرام صورة يخبرنا بالعديد من المعلومات عن الصورة.