numpy.
histogramdd
计算一些数据的多维柱状图。
要进行柱状图化的数据。
请注意,当一个数组类似于:
当一个数组时,每一行都是三维空间中的一个坐标-例如 histogramdd(np.array([p1, p2, p3])) .
histogramdd(np.array([p1, p2, p3]))
当数组类似时,每个元素都是单坐标值的列表-例如 histogramdd((X, Y, Z)) .
histogramdd((X, Y, Z))
首选第一种形式。
料仓规格:
描述沿每个维度单调增加的箱边缘的一系列数组。
每个维度的箱数(nx,ny,…=箱)
所有尺寸的箱子数量(nx=ny=..=bin)。
长度d的序列,每一个都是可选的(下、上)元组,如果没有明确给出边,则给出要使用的外箱边。 bins . 在序列中输入“无”将导致相应维度使用最小值和最大值。默认值none相当于传递一个d none值的元组。
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_volume .
bin_count / sample_count / bin_volume
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。
histogram
值的数组 w_i 称量每个样品 (x_i, y_i, z_i, ...) . 如果normed为真,则权重规格化为1。如果normed为false,则返回的柱状图的值等于属于每个容器中的样本的权重之和。
样本x的多维柱状图。请参阅normed和weights了解不同的可能语义。
描述每个维度的箱边缘的D数组列表。
参见
一维直方图
histogram2d
二维直方图
实例
>>> 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)