关于numpy的bincount函数的绝对有逻辑地保姆级解释

今天接触到numpy包中的一个函数bincount很有意思，因为我压根没看懂文档里说这个函数咋用，看了几个博客、查了好几个小时，差点把自己气死，也没搞清楚，于是决定自己搞清楚逻辑。

函数具体样式与参数要求如下：

numpy.bincount(x, /, weights=None, minlength=0)
'''
x是输入的array，
weight是赋予的权重，
minlength是输出的out要求最短长度
'''

话不多说，先看官方文档（numpy版本1.23.0），如下图：

在文档中表示，这个函数就是用来数一个array（数组）中出现的值的次数的，但是我一跑代码样例，聪明的小脑袋瓜就发现问题：

>>> np.bincount(np.array([0, 1, 1, 3, 2, 1, 7])) 
array([1, 3, 1, 1, 0, 0, 0, 1])

上边代码跑的是个啥？！其实，这个代码跑的不是数你的array数组中出现了的整数的重复次数，而是数的是（array中的最大值+1）个索引的每个索引在array中出现的次数。比如，上个代码中，array的最大值是7，所以索引有8个，为0~7；索引0在array中出现的次数是1次，所以输出的out[0]=1，其他值如何得来，以此类推。

这个逻辑已经够绕了吧？还没完，我们看第二个参数，在文档的第二段话里有说，如果给定weight，那么输入数组就要加权，输出的也要根据weight改变。我的妈呀，什么i什么n？谁的i谁的n？都是什么？！

不用管文档啥意思，文档说了等于没说，我们直接看样例：

>>> x = np.array([2, 1, 3, 4, 4, 3])
# x中最大的数为4，因此bin的数量为5，索引值为0->4
>>> w = np.array([0.3, 0.5, 0.2, 0.7, 1., -0.6])
>>> np.bincount(x,weights=w)
array([ 0. ,  0.5,  0.3, -0.4,  1.7])

看到上边的代码我直接崩溃了，你咋算出来这个值的？这个就涉及一个逻辑，在weight的参数解释中要求weight和x等长，所以weight和x对应寻值，既然out[n]+=weight[i]，那就是说索引是要从out身上下手，具体逻辑如下图：

逻辑大概是，因为out的长度其实是取决于x的max的，所以，out的索引是直接在x中找的，x能找到的值就对应weight中一样的位置，直接加起来就是最终out的数值，看文字很绕，大家还是直接看图吧。
第三个参数就很简单了，指的是输出的out最短限制是多短，这个其实无所谓，你就算array的max是5，你输入的minlength是100，除非对应index有数否则都是0，很好理解。

好了，这个函数的使用到此结束，官方文档网址如下：https://numpy.org/doc/stable/numpy-ref.pdf，我们就下次再见吧。