1、它大致說bin的數量比x中的最大值大1，每個bin給出了它的索引值在x中出現的次數。下面，我舉個例子讓大家更好的理解一下：
# 我們可以看到x中最大的數為7，因此bin的數量為8，那么它的索引值為0->7 x = np.array([0, 1, 1, 3, 2, 1, 7]) # 索引0出現了1次，索引1出現了3次......索引5出現了0次...... np.bincount(x) #因此，輸出結果為：array([1, 3, 1, 1, 0, 0, 0, 1]) # 我們可以看到x中最大的數為7，因此bin的數量為8，那么它的索引值為0->7 x = np.array([7, 6, 2, 1, 4]) # 索引0出現了0次，索引1出現了1次......索引5出現了0次...... np.bincount(x) #輸出結果為：array([0, 1, 1, 0, 1, 0, 1, 1])
2、下面，我來解釋一下weights這個參數。文檔說，如果weights參數被指定，那么x會被它加權，也就是說，如果值n發現在位置i，那么out[n] += weight[i]而不是out[n] += 1.因此，我們weights的大小必須與x相同，否則報錯。下面，我舉個例子讓大家更好的理解一下：
w = np.array([0.3, 0.5, 0.2, 0.7, 1., -0.6]) # 我們可以看到x中最大的數為4，因此bin的數量為5，那么它的索引值為0->4 x = np.array([2, 1, 3, 4, 4, 3]) # 索引0 -> 0 # 索引1 -> w[1] = 0.5 # 索引2 -> w[0] = 0.3 # 索引3 -> w[2] + w[5] = 0.2 - 0.6 = -0.4 # 索引4 -> w[3] + w[4] = 0.7 + 1 = 1.7 np.bincount(x, weights=w) # 因此，輸出結果為：array([ 0. , 0.5, 0.3, -0.4, 1.7])
3、最后，我們來看一下minlength這個參數。文檔說，如果minlength被指定，那么輸出數組中bin的數量至少為它指定的數（如果必要的話，bin的數量會更大，這取決於x）。下面，我舉個例子讓大家更好的理解一下：
# 我們可以看到x中最大的數為3，因此bin的數量為4，那么它的索引值為0->3 x = np.array([3, 2, 1, 3, 1]) # 本來bin的數量為4，現在我們指定了參數為7，因此現在bin的數量為7，所以現在它的索引值為0->6 np.bincount(x, minlength=7) # 因此，輸出結果為：array([0, 2, 1, 2, 0, 0, 0]) # 我們可以看到x中最大的數為3，因此bin的數量為4，那么它的索引值為0->3 x = np.array([3, 2, 1, 3, 1]) # 本來bin的數量為4，現在我們指定了參數為1，那么它指定的數量小於原本的數量，因此這個參數失去了作用，索引值還是0->3 np.bincount(x, minlength=1) # 因此，輸出結果為：array([0, 2, 1, 2])
轉自 https://blog.csdn.net/xlinsist/article/details/51346523