numpy.histogramdd#

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

计算数据的多维直方图。

参数:
sample(N, D) array, or (N, D) array_like

用于计算直方图的数据。

注意当输入为 array_like 时 sample 的特殊解释

  • 当为数组时，每一行是一个 D 维空间中的坐标 - 例如 histogramdd(np.array([p1, p2, p3]))。

  • 当为 array_like 时，每个元素是单个坐标的值列表 - 例如 histogramdd((X, Y, Z))。

首选第一种形式。

binssequence or int, optional

分箱规范

  • 描述沿每个维度的单调递增的箱边的一系列数组。

  • 每个维度的分箱数（nx, ny, … = bins）

  • 所有维度的分箱数（nx=ny=…=bins）。

rangesequence, optional

长度为 D 的序列，每个元素是一个可选的 (lower, upper) 元组，给出当箱边未在 bins 中显式给出时使用的外层箱边。序列中的 None 条目将导致使用相应维度的最小值和最大值。默认值 None 等价于传递一个 D 个 None 值的元组。

densitybool，可选

如果为 False (默认值)，返回每个箱中的样本数。如果为 True，返回箱中的概率密度函数，即 bin_count / sample_count / bin_volume。

weights(N,) array_like, optional

一个值数组 w_i，用于加权每个样本 (x_i, y_i, z_i, …)。如果 density 为 True，则权重将归一化为 1。如果 density 为 False，则返回的直方图的值等于属于落入每个箱的样本的权重的总和。

返回:
Hndarray

sample x 的多维直方图。有关不同的可能语义，请参见 density 和 weights。

edgestuple of ndarrays

一个元组，包含 D 个数组，描述每个维度的箱边。

另请参阅

histogram

1-D 直方图

histogram2d

2-D 直方图

示例

>>> import numpy as np
>>> rng = np.random.default_rng()
>>> r = rng.normal(size=(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)
在此页面