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)