当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python numpy histogramdd用法及代码示例


本文简要介绍 python 语言中 numpy.histogramdd 的用法。

用法:

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

计算一些数据的多维直方图。

参数

sample (N, D) 数组,或 (D, N) 数组

要进行直方图分析的数据。

注意当 数组 时样本的不寻常解释:

  • 当一个数组时,每一行都是 D-dimensional 空间中的一个坐标 - 例如 histogramdd(np.array([p1, p2, p3]))

  • 当一个 数组 时,每个元素都是单个坐标的值列表 - 例如 histogramdd((X, Y, Z))

应该首选第一种形式。

bins 序列或整数,可选

箱规格:

  • 说明沿每个维度单调增加的 bin 边的数组序列。

  • 每个维度的 bin 数量 (nx, ny, ... =bins)

  • 所有维度的 bin 数量 (nx=ny=...=bins)。

range 顺序,可选

一个长度为 D 的序列,每个都有一个可选的 (lower, upper) 元组,如果边没有在 bin 中明确给出,则给出要使用的外部 bin 边。序列中的 None 条目会导致用于相应维度的最小值和最大值。默认值 None 相当于传递一个 D 无值的元组。

density 布尔型,可选

如果默认为 False,则返回每个 bin 中的样本数。如果为真,则返回概率密度函数在箱子,bin_count / sample_count / bin_volume.

normed 布尔型,可选

行为相同的密度参数的别名。为了避免与破坏的规范论证混淆numpy.histogram,密度应该是首选。

weights (N,) 数组, 可选

加权每个样本的值 w_i 数组(x_i,y_i,z_i,...)。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每个 bin 的样本的权重之和。

返回

H ndarray

样本 x 的多维直方图。请参阅 normed 和 weights 以了解不同的可能语义。

edges 列表

说明每个维度的 bin 边的 D 数组列表。

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)

相关用法


注:本文由纯净天空筛选整理自numpy.org大神的英文原创作品 numpy.histogramdd。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。