方便直观的直方图,相关性最小
pyhistogram的Python项目详细描述
===
pyhistogram
===
**这是一个早期版本,尚未发布。如果遇到问题,请在github上提交问题**
=====
pyhistogram是一个纯python的包,用于轻松处理直方图数据。它提供的功能比pythons内置的“collections”功能多得多。
pyhistogram接口深受优秀rootpy包的启发,然而,它依赖于巨大的粒子物理根框架——这种依赖性很难为小型项目所证明。目前pyhistogram根本没有依赖关系。如果要使用内置打印功能,则matplotlib是可选的。这也意味着这个包的性能远不及rootpy/root解决方案,但对于大多数用例来说应该足够了。在任何情况下,将来都有可能添加numpy作为依赖项来使用它的一些特性并提高这个包的性能。
目前,pyhistogram只支持一维直方图,但设计时考虑到了更高的维度。
让它旋转一下:
=======
一个正确的文档在todo列表中,但现在我建议您查看unittests。
安装pyhistogram:
-
::
pip安装pyhistogram
固定宽度垃圾桶
>h1d=hist1d(5,--2,2,4)
可变宽度垃圾桶
>h1d=hist1d([-10,--3.2,5.2,35.])
>可以在循环中填写直方图:
>>>>>>
>>>
>>>gt;随机导入
>>;h=hist1d(10,--4,4,12)
>>>>>gt;对于我在xrange范围内的人来说,h=hist1d(10,-,--4,4,4,12)
>>
>>>>>>>>gt>>gt(1000):
>;>;0]
2元组中的每个值都可以关联一个权重:
——0]
DateTime支持也不费吹灰之力:从DateTime导入DateTim
h=hist1d(4,DateTime(2014,1,1,12,0),DateTime(2014,1,1,16,0))
h.fill(DateTime(2014,1,1,13,0))
方便性:
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>['james','bond']['james','bond']>>>>>>
>>>>>>>>>>>
>>>>>>>>
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>是的
5)
sample=np.random.normal(size=500)
pyhistogram
===
**这是一个早期版本,尚未发布。如果遇到问题,请在github上提交问题**
pyhistogram是一个纯python的包,用于轻松处理直方图数据。它提供的功能比pythons内置的“collections”功能多得多。
pyhistogram接口深受优秀rootpy包的启发,然而,它依赖于巨大的粒子物理根框架——这种依赖性很难为小型项目所证明。目前pyhistogram根本没有依赖关系。如果要使用内置打印功能,则matplotlib是可选的。这也意味着这个包的性能远不及rootpy/root解决方案,但对于大多数用例来说应该足够了。在任何情况下,将来都有可能添加numpy作为依赖项来使用它的一些特性并提高这个包的性能。
目前,pyhistogram只支持一维直方图,但设计时考虑到了更高的维度。
让它旋转一下:
=======
一个正确的文档在todo列表中,但现在我建议您查看unittests。
安装pyhistogram:
-
::
pip安装pyhistogram
固定宽度垃圾桶
>h1d=hist1d(5,--2,2,4)
可变宽度垃圾桶
>h1d=hist1d([-10,--3.2,5.2,35.])
>可以在循环中填写直方图:
>>>>>>
>>>
>>>gt;随机导入
>>;h=hist1d(10,--4,4,12)
>>>>>gt;对于我在xrange范围内的人来说,h=hist1d(10,-,--4,4,4,12)
>>
>>>>>>>>gt>>gt(1000):
>;>;0]
2元组中的每个值都可以关联一个权重:
——0]
DateTime支持也不费吹灰之力:从DateTime导入DateTim
h=hist1d(4,DateTime(2014,1,1,12,0),DateTime(2014,1,1,16,0))
h.fill(DateTime(2014,1,1,13,0))
方便性:
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>['james','bond']['james','bond']>>>>>>
>>>>>>>>>>>
>>>>>>>>
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>是的
5)
sample=np.random.normal(size=500)