二元直方图箱数
将100对随机数分配到存储箱中。历史计数2
自动选择适当的仓宽以显示数据的底层分布。
x = randn (100 1);y = randn (100 1);[N Xedges Yedges] = histcounts2 (x, y)
N =7×60 0 0 2 0 0 1 2 10 4 0 0 1 4 9 9 5 0 1 4 10 11 5 11 4 6 3 11 10 0 1 2 0 0 10 0 10 10 10 10
Xedges =1×8-3 -2 -1 0 1 2 3 4
是的=1×73 -2 -1 0 1 2 2 3
把10对数字分配到12个箱子里。在x维中指定3个箱子,在y维中指定4个箱子。
X = [1 1 2 3 2 1 1 2 3];Y = [5 6 3 8 9 1 2 7 5 1];n宾斯= [3 4];[N Xedges Yedges] = histcounts2 (x, y, nbins)
N =3×41 0 2 1 1 1 1 1 1 0 0 1
Xedges =1×40.6000 1.4000 2.2000 3.0000
是的=1×50 2.3000 4.6000 6.9000 9.2000
将1000对随机数分配到容器中。用两个向量定义bin边:x维和y维各一个。每个向量中的第一个元素指定了第一个箱子的第一条边,最后一个元素是最后一个箱子的最后一条边。
x = randn (1000 1);y = randn (1000 1);Xedges = 5;Yedges = [-5 -4 -2 -1 -0.5 0 0.5 1 2 4 5];N = histcounts2 (x, y, Xedges Yedges)
N =10×100 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 5 5 3 5 1 2 0 0 0 2 19 23 29 25 26 20 5 0 0 10 36 51 59 71 54 46 10 0 0 7 43 46 79 64 60 46 9 0 0 3 12 18 21 23 19 9 6 0 0 0 5 3 2 8 2 2 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
将1000对随机数分配到存储箱中。具体说明归一化
作为“概率”
使箱子计数正常化,以便总和(N(:)
是1
.也就是说,每个箱子计数表示一个观察到的物品落入该箱子的概率。
x = randn (1000 1);y = randn (1000 1);[N Xedges Yedges] = histcounts2 (x, y, 6日“正常化”,“概率”)
N =6×600 0.0020 0.0020 00 0 0.0110 0.0320 0.0260 0.0070 0.0010 0.0010 0.0260 0.1410 0.1750 0.0430 0.0060 0 0.0360 0.1620 0.1940 0.0370 0.0040 0 0.0040 0.0300 0.0370 0.0100 0.0010 0 0.0030 0.0040 0.0040 0.0010
Xedges =1×7-4.0000 -2.7000 -1.4000 -0.1000 1.2000 2.5000 3.8000
是的=1×7-4.0000 -2.7000 -1.4000 -0.1000 1.2000 2.5000 3.8000
在-10和10之间分配1000个随机整数对到bins,并指定宾法
作为“整数”
使用以整数为中心的单位宽度容器。指定五个输出历史计数2
返回表示数据的存储单元位置的向量。
x=randi([-10,10],1000,1);y=randi([-10,10],1000,1);[N,Xedges,Yedges,binX,binY]=histcounts2(x,y,“BinMethod”,“整数”);
确定该值的存储箱(x (3), (3))
落入。
[x (3), (3))
ans =1×2-8 10
bin=[binX(3)binY(3)]
垃圾箱=1×23 21
X, Y
- - - - - -要在多个容器中分发的数据(作为单独的参数)分布在容器中的数据,指定为向量、矩阵或多维数组的单独参数。X
和Y
必须有相同的尺寸。
对应的元素X
和Y
指定x和y二维数据点的坐标,[X (k), Y (k)]
.的数据类型X
和Y
可能会有所不同。
历史计数2
忽略所有南
价值观。同样,历史计数2
忽略了正
和负
值,除非容器边明确指定正
或负
作为仓边。
数据类型:仅有一个的
|双重的
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
|逻辑
nbins
- - - - - -每个维度的容器数量每个维度中的容器数,指定为正标量整数或正整数的两元素向量。如果未指定nbins
,然后历史计数2
根据里面的值自动计算要使用多少个箱子X
和Y
:
如果nbins
是标量吗历史计数2
在每个维度中使用那么多的存储箱。
如果nbins
是向量吗nbins (1)
属性中容器的数量x尺寸和nbins (2)
属性中容器的数量y维度。
例子:[N,Xedges,Yedges]=histcounts2(X,Y[15-20])
使用了15个垃圾桶x
-dimension和20个箱子y
维度。
塞吉斯
- - - - - -本的边缘x维本的边缘x-dimension,指定为向量。Xedges (1)
是中第一个箱子的第一条边x-尺寸,以及Xedges(结束)
是最后一个箱子的外缘。
数据类型:仅有一个的
|双重的
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
|逻辑
Yedges
- - - - - -本的边缘y维本的边缘y-dimension,指定为向量。Yedges(1)
是中第一个箱子的第一条边y-尺寸,以及是的(完)
是最后一个箱子的外缘。
数据类型:仅有一个的
|双重的
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
|逻辑
指定可选的逗号分隔的对名称,值
参数。名称
参数名和价值
是对应的值。名称
必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家
.
[N,Xedges,Yedges]=histcounts2(X,Y,'Normalization','probability')
使垃圾箱计数正常N
,这样总和(N)
是1。
宾法
- - - - - -装箱算法“汽车”
(默认)|“斯科特。”
|“fd”
|“整数”
bining算法,指定为该表中的一个值。
价值 | 描述 |
---|---|
“汽车” |
默认的 |
“斯科特。” |
当数据接近共同正态分布时,斯科特规则是最优的。这个规则也适用于大多数其他发行版。它用的是 |
“fd” |
Freedman-Diaconis规则对数据中的异常值不太敏感,可能更适合于重尾分布的数据。它用的是 |
“整数” |
整数规则对整数数据很有用,因为它创建以整数对为中心的仓位。它为每个维度使用1的仓位宽度,并将仓位边放置在整数之间的中间。 为了避免意外创建过多的容器,您可以使用此规则创建1024个容器的限制(210)。如果任一维度的数据范围大于1024,则整数规则将使用更宽的存储箱。 |
历史计数2
并不总是使用这些精确的公式来选择箱子的数量。有时会稍微调整桶的数量,使桶的边缘落在“好的”数字上。
例子:[N Xedges Yedges] = histcounts2 (X, Y,“BinMethod”、“整数”)
使用以整数对为中心的2-D容器。
箱宽
- - - - - -每个尺寸的料仓宽度每个维度上箱子的宽度,指定为正整数的二元向量,[xWidth yWidth]
.
如果您指定箱宽
,然后历史计数2
最多可以使用1024个箱子(210)沿每个维度。如果指定的仓宽需要更多的仓,则历史计数2
使用与最大箱数相对应的较大箱宽。
例子:[N,Xedges,Yedges] = histcounts2(X,Y,'BinWidth',[5 10])
使用有尺寸的垃圾桶5
在x
尺寸和大小10
在y
维度。
XBinLimits
- - - - - -本限制在x维本限制在x-维,指定为二元向量,[xbmin, xbmax]
.的第一个和最后一个箱子边x维度。
此选项仅对垃圾箱限制范围内的数据进行分类,十> =xbmin&X<=xbmax
.
限制
- - - - - -本限制在y维本限制在y-维,指定为二元向量,[ybmin,ybmax]
.的第一个和最后一个箱子边y维度。
此选项仅对垃圾箱限制范围内的数据进行分类,Y> =ybmin&Y<=ybmax
.
归一化
- - - - - -规范化类型“伯爵”
(默认)|“概率”
|“计数密度”
|“pdf”
|“卡姆Count”
|“cdf”
规格化的类型,指定为该表中的一个值。对于每一个本我
:
为bin值。
是存储箱中的元素数。
是每个料仓的面积,使用x和y本宽度。
是输入数据中元素的数量。如果数据包含,该值可以大于被装箱的数据南
值,或者如果某些数据位于容器限制之外。
价值 | 本值 | 笔记 |
---|---|---|
“伯爵” (默认) |
|
|
“计数密度” |
|
|
“卡姆Count” |
|
|
“概率” |
|
|
“pdf” |
|
|
“cdf” |
|
|
例子:[N,Xedges,Yedges]=histcounts2(X,Y,'Normalization','pdf')
使用概率密度函数估计对数据进行分类X
和Y
.
N
-垃圾箱计数仓位计数,作为数字数组返回。
中不同编号的容器的容器包含方案N
,以及它们的相对方向x-轴心与y-轴,是
例如(1,1)
“存储单元”包括落在每个标注的第一条边上的值,右下角的最后一个存储单元包括落在其任何边上的值。
塞吉斯
-仓边插入x维本的边缘x-维度,作为向量返回。Xedges (1)
第一个仓边在吗x尺寸和Xedges(结束)
是最后一个箱边。
Yedges
-仓边插入y维本的边缘y-维度,作为向量返回。Yedges(1)
第一个仓边在吗y尺寸和是的(完)
是最后一个箱边。
binX
-仓位索引x维仓位索引x-维度,作为与相同大小的数字数组返回X
.中的相应元素binX
和binY
描述哪个编号的箱子中包含相应的值X
和Y
.价值0
在binX
或binY
指示不属于任何容器的元素(例如南
值)。
例如,binX (1)
和binY (1)
描述该值的容器位置[X (1), Y (1)]
.
binY
-仓位索引y维仓位索引y-维度,作为与相同大小的数字数组返回Y
.中的相应元素binX
和binY
描述哪个编号的箱子中包含相应的值X
和Y
.价值0
在binX
或binY
指示不属于任何容器的元素(例如南
值)。
例如,binX (1)
和binY (1)
描述该值的容器位置[X (1), Y (1)]
.
使用注意事项及限制:
代码生成不支持此函数的稀疏矩阵输入。金宝app
如果不提供容器边,那么代码生成可能需要可变大小的数组和动态内存分配。
backgroundPool
或者使用并行计算工具箱加速代码™ThreadPool
.这个函数完全支持基于线程的环境。金宝app有关更多信息,请参见在线程环境中运行MATLAB函数.
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。金宝app
您还可以从以下列表中选择网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。