numpy.histogram2d¶

numpy.histogram2d(x, y, bins=10, range=None, normed=None, weights=None, density=None)[源代码]¶

计算两个数据样本的二维直方图。

参数

x阵列状，形状（n，）

一种包含待直方图化点的X坐标的数组。

y阵列状，形状（n，）

一个包含要进行柱状图化的点的Y坐标的数组。

binsint或array-like或 [int] 或 [数组，数组] 可选

料仓规格：

如果为int，则表示两个维度的箱数（nx=ny=bin）。

如果类似于数组，则表示两个维度的箱边缘（x_edges=y_edges=bin）。

如果 [int] ，每个维度中的箱数（nx，ny=箱）。

如果 [数组，数组] ，每个维度中的肥料箱边缘（x_边缘，y_边缘=肥料箱）。

组合 [int数组] 或 [数组，int] ，其中int是箱数，array是箱边。

range阵列式，形状（2,2），可选

沿每个维度（如果未在 bins 参数）： [[xmin, xmax], [ymin, ymax]] . 此范围之外的所有值都将被视为异常值，并且不在柱状图中计数。

density可选的布尔

如果为false，则默认为返回每个容器中的样本数。如果为真，则返回概率密度垃圾箱的功能， bin_count / sample_count / bin_area .

normed可选的布尔

行为相同的密度参数的别名。为了避免与破坏规范的论点混淆 histogram ， density 应优先考虑。

weights数组类似，形状（n，）可选

值的数组 w_i 称量每个样品 (x_i, y_i) . 如果 normed 是True。如果 normed 如果为false，则返回的直方图值等于属于每个容器中的样本的权重之和。

返回

Hndarray，形状（nx，ny）: 样本的二维直方图 x 和 y . 价值观 x 沿着第一个维度和值进行柱状图 y 是沿着第二维度的柱状图。
xedgesndarray，形状（nx+1，）: 粮箱沿第一个维度边缘。
yedgesndarray，形状（ny+1，）: 粮箱沿第二维度边缘。

参见

histogram: 一维直方图
histogramdd: 多维柱状图

笔记

什么时候？ normed 为真，则返回的柱状图是样本密度，定义为产品的箱数和 bin_value * bin_area 是1。

请注意，柱状图不遵循笛卡尔惯例，其中 x 数值在横坐标上，并且 y 坐标轴上的值。更确切地说， x 是沿着数组的第一个维度（垂直）绘制的柱状图，并且 y 沿着数组的第二个维度（水平）。这确保了与 histogramdd .

实例

>>> from matplotlib.image import NonUniformImage
>>> import matplotlib.pyplot as plt

构建一个二维柱状图，该柱状图的箱宽可变。首先定义垃圾箱边缘：

>>> xedges = [0, 1, 3, 5]
>>> yedges = [0, 2, 3, 4, 6]

接下来，我们创建一个带有随机bin内容的直方图h：

>>> x = np.random.normal(2, 1, 100)
>>> y = np.random.normal(1, 1, 100)
>>> H, xedges, yedges = np.histogram2d(x, y, bins=(xedges, yedges))
>>> H = H.T  # Let each row list bins with common y range.

imshow 只能显示方形箱子：

>>> fig = plt.figure(figsize=(7, 3))
>>> ax = fig.add_subplot(131, title='imshow: square bins')
>>> plt.imshow(H, interpolation='nearest', origin='lower',
...         extent=[xedges[0], xedges[-1], yedges[0], yedges[-1]])
<matplotlib.image.AxesImage object at 0x...>

pcolormesh 可以显示实际边缘：

>>> ax = fig.add_subplot(132, title='pcolormesh: actual edges',
...         aspect='equal')
>>> X, Y = np.meshgrid(xedges, yedges)
>>> ax.pcolormesh(X, Y, H)
<matplotlib.collections.QuadMesh object at 0x...>

NonUniformImage 可用于通过插值显示实际肥料箱边缘：

>>> ax = fig.add_subplot(133, title='NonUniformImage: interpolated',
...         aspect='equal', xlim=xedges[[0, -1]], ylim=yedges[[0, -1]])
>>> im = NonUniformImage(ax, interpolation='bilinear')
>>> xcenters = (xedges[:-1] + xedges[1:]) / 2
>>> ycenters = (yedges[:-1] + yedges[1:]) / 2
>>> im.set_data(xcenters, ycenters, H)
>>> ax.images.append(im)
>>> plt.show()

numpy.histogram numpy.histogramdd