numpy.histogramdd

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

计算一些数据的多维柱状图。

参数

sample（n，d）数组，或（d，n）类似数组

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])) .

• 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)) .

首选第一种形式。

bins序列或int，可选

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）。

range序列，可选

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。

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_volume .

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（n，）类似数组，可选

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。

返回

H恩达雷

样本x的多维柱状图。请参阅normed和weights了解不同的可能语义。

edges列表

描述每个维度的箱边缘的D数组列表。

参见

histogram

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)

numpy.histogram2d numpy.bincount