numpy.histogramdd#

numpy.histogramdd(sample, bins=10, range=None, плотность=None, веса=None)[источник]#

Вычислить многомерную гистограмму некоторых данных.

Параметры:

sample(N, D) массив или (N, D) array_like

Данные для построения гистограммы.

Обратите внимание на необычную интерпретацию выборки, когда это array_like:

Когда массив, каждая строка является координатой в D-мерном пространстве - таком как histogramdd(np.array([p1, p2, p3])).
Когда массивоподобный, каждый элемент – это список значений для одной координаты – например, histogramdd((X, Y, Z)).

Первая форма должна быть предпочтительнее.

binsпоследовательность или int, опционально

Спецификация бина:

Последовательность массивов, описывающих монотонно возрастающие границы бинов по каждому измерению.
Количество бинов для каждого измерения (nx, ny, … =bins)
Количество бинов для всех измерений (nx=ny=…=bins).

rangesequence, optional

Последовательность длины D, каждая из которых является необязательным кортежем (нижняя, верхняя), задающим внешние границы бинов, которые будут использоваться, если границы не заданы явно в bins. Запись None в последовательности приводит к использованию минимального и максимального значений для соответствующего измерения. По умолчанию, None, эквивалентно передаче кортежа из D значений None.

плотностьbool, необязательно

Если False (по умолчанию), возвращает количество выборок в каждом бине. Если True, возвращает вероятность плотность функции в бине, bin_count / sample_count / bin_volume.

веса(N,) array_like, optional

Массив значений w_i взвешивая каждую выборку (x_i, y_i, z_i, …). Веса нормализуются до 1, если density=True. Если density=False, значения возвращаемой гистограммы равны сумме весов, принадлежащих выборкам, попадающим в каждый бин.

Возвращает:

Hndarray: Многомерная гистограмма выборки x. См. density и weights для различных возможных семантик.
границыкортеж ndarrays: Кортеж из D массивов, описывающих границы бинов для каждого измерения.

Смотрите также

histogram: 1-D гистограмма
histogram2d: 2-D гистограмма

Примеры

>>> 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)