numpy.histogramdd #

麻木的。histogramdd (样本, bins = 10 ,范围= None ,密度= None ,权重= None ) [来源] #

计算一些数据的多维直方图。

参数：

样本(N, D) 数组，或 (N, D) array_like

要绘制直方图的数据。

请注意在 array_like 时对样本的异常解释：

当是数组时，每一行都是 D 维空间中的一个坐标 - 例如。histogramdd(np.array([p1, p2, p3]))
当是 array_like 时，每个元素都是单个坐标的值列表 - 例如.histogramdd((X, Y, Z))

应首选第一种形式。

bin序列或 int，可选

料仓规格：

描述沿每个维度单调递增的 bin 边缘的数组序列。
每个维度的 bin 数量 (nx, ny, … =bins)
所有维度的 bin 数量 (nx=ny=…=bins)。

范围序列，可选

长度为 D 的序列，每个可选（下、上）元组，给出要使用的外部 bin 边缘（如果bin中未明确给出边缘）。序列中的“无”条目会导致相应维度使用最小值和最大值。默认值 None 相当于传递 D None 值的元组。

密度bool，可选

如果为 False（默认值），则返回每个 bin 中的样本数。如果为 True，则返回bin 处的概率密度函数。bin_count / sample_count / bin_volume

权重(N,) 类似数组，可选

对每个样本进行加权的值w_i数组(x_i, y_i, z_i, …)。如果密度为 True，则权重标准化为 1。如果密度为 False，则返回的直方图的值等于属于每个 bin 的样本的权重之和。

返回：

数组: 样本x的多维直方图。请参阅密度和权重以了解不同的可能语义。
边列表: 描述每个维度的 bin 边缘的 D 数组列表。

也可以看看

histogram: 一维直方图
histogram2d: 二维直方图

例子

>>> r = np.random.randn(100,3)
>>> H, edges = np.histogramdd(r, bins = (5, 8, 4))
>>> H.shape, edges[0].size, edges[1].size, edges[2].size
((5, 8, 4), 6, 9, 5)