會注意到Numpy.bincount()這個函數，其實是在閱讀機器學習的程式碼裡常常出現。常用來
處理類別標籤的向量。它是內建在Python Numpy裡。原文的解釋其實有點難懂，故我把我的心得
記下來，發現它原始設計的概念就是類似桶子排序法的基本概念，是一個很有趣的函數，所以也
特別用它實作一簡單的桶子排序。
理解Numpy.bincount()
numpy.bincount(x, weights=None, minlength=None)
1.假設輸入Ｘ＝[0,1,2,2,3,4,4]，那麼產生bins（桶子）的數量為該X最大值４
再加１＝５，於是我們產生了５個bins（桶子）的排序編號為indx0~indx4，
可以視為一向量[indx0,indx1,indx2,indx3,indx4]
2.接著來看如何放原本的資料到這５的桶子(bins，分別indx0~indx4)
原本的輸入Ｘ＝[0,1,2,2,3,4,4]裡有＂一個＂資料0，表示要放到indx0桶子的只有一個，
故indx0=１。
接著，原本的輸入Ｘ＝[0,1,2,2,3,4,4]裡有＂一個＂資料１，表示要放到indx１桶子的只有
一個，故indx１=１。
接著，原本的輸入Ｘ＝[0,1,2,2,3,4,4]裡有＂兩個＂資料２，表示要放到indx２桶子的有
兩個，故indx１=2。
依序放完所以桶子，indx3及 indx4桶子，可以得到indx3＝1，indx4=2
故得到輸出結果為[1,1,2,1,2]即：[indx0=1,indx1=1,indx2=2,indx3=1,indx4=2]
使用Python語言程式如下：
EX1：
import numpy as np
X=[0,1,2,2,3,4,4]
print(np.bincount(X))
結果是：[1,1,2,1,2]
EX2：
import numpy as np
X=[0,5,3,2,3,1,4,2,4]
print(np.bincount(X))
結果是：[1,1,2,2,2,1]
注意：輸入的Ｘ數值不可以為負，否則報錯
若有實數值，實際測試會被無條件捨去後當整數使用
