Python numpy histogramdd用法及代碼示例

本文簡要介紹 python 語言中 numpy.histogramdd 的用法。

用法:

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

計算一些數據的多維直方圖。

參數：

sample： (N, D) 數組，或 (D, N) 數組

要進行直方圖分析的數據。

注意當 數組 時樣本的不尋常解釋：

• 當一個數組時，每一行都是 D-dimensional 空間中的一個坐標 - 例如 histogramdd(np.array([p1, p2, p3])) 。

• 當一個 數組 時，每個元素都是單個坐標的值列表 - 例如 histogramdd((X, Y, Z)) 。

應該首選第一種形式。

bins： 序列或整數，可選

箱規格：

• 說明沿每個維度單調增加的 bin 邊的數組序列。

• 每個維度的 bin 數量 (nx, ny, ... =bins)

• 所有維度的 bin 數量 (nx=ny=...=bins)。

range： 順序，可選

一個長度為 D 的序列，每個都有一個可選的 (lower, upper) 元組，如果邊沒有在 bin 中明確給出，則給出要使用的外部 bin 邊。序列中的 None 條目會導致用於相應維度的最小值和最大值。默認值 None 相當於傳遞一個 D 無值的元組。

density： 布爾型，可選

如果默認為 False，則返回每個 bin 中的樣本數。如果為真，則返回概率密度函數在箱子，bin_count / sample_count / bin_volume.

normed： 布爾型，可選

行為相同的密度參數的別名。為了避免與破壞的規範論證混淆numpy.histogram,密度應該是首選。

weights： (N,) 數組, 可選

加權每個樣本的值 w_i 數組(x_i，y_i，z_i，...)。如果 normed 為 True，則權重歸一化為 1。如果 normed 為 False，則返回的直方圖的值等於屬於每個 bin 的樣本的權重之和。

返回：

H： ndarray

樣本 x 的多維直方圖。請參閱 normed 和 weights 以了解不同的可能語義。

edges： 列表

說明每個維度的 bin 邊的 D 數組列表。

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)