上一主题

numpy.histogram2d

下一主题

numpy.bincount

numpy.histogramdd

numpy.histogramdd(sample, bins=10, range=None, normed=False, weights=None)[source]

计算一些数据的多维直方图。

参数:

sample:array_like

要进行直方图处理的数据。它必须是(N,D)数组或可以转换为这样的数据。结果数组的行是D维多面体中的点的坐标。

bin:sequence或int,可选

bin规范:

  • 描述沿着每个维度的块边缘的数组序列。
  • 每个维度的块数(nx,ny,... = bin)
  • 所有维度的箱数(nx = ny = ... =箱柜)。

范围:sequence,可选

如果在bin中未明确给出边,则使用下边框和上边框边缘的序列。默认为每个维度的最小值和最大值。

normed:bool,可选

如果为False,则返回每个bin中的样本数。如果为True,返回bin密度bin_count / sample_count / bin_volume

权重:(N,)array_like,可选

对每个样本(x_i,y_i,z_i,...)进行加权的值w_i的数组。如果normed为True,则权重归一化为1。如果normed为False,则返回的直方图的值等于属于落入每个仓中的样本的权重的和。

返回:

H:ndarray

样本x的多维直方图。请参阅不同可能语义的规范和权重。

edges:list

描述每个维度的块边缘的D数组的列表。

也可以看看

histogram
1-D直方图
histogram2d
2-D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)