1.它大致說的是bin的數量比x中的最大值大1，每個bin給出了索引值在x中出現的次數，下面以例項說明

# 我們可以看到x中最大的數為7，因此bin的數量為8，那麼它的索引值為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，那麼它的索引值為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這個引數。文件說，如果weights引數被指定，那麼x會被它加權，也就是說，如果值n發現在位置i，那麼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，那麼它的索引值為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.最後，我們來看一下minlength這個引數。文件說，如果minlength被指定，那麼輸出陣列中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，那麼它的索引值為0->3
x = np.array([3, 2, 1, 3, 1])
# 本來bin的數量為4，現在我們指定了引數為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，那麼它的索引值為0->3
x = np.array([3, 2, 1, 3, 1])
# 本來bin的數量為4，現在我們指定了引數為1，那麼它指定的數量小於原本的數量，因此這個引數失去了作用，索引值還是0->3
np.bincount(x, minlength=1)
# 因此，輸出結果為：array([0, 2, 1, 2])
 

轉載出處： https://blog.csdn.net/xlinsist/article/details/51346523