numpy.histogramdd

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

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)