主要内容

历史计数2

二元直方图箱数

描述

例子

N塞吉斯Yedges) = histcounts2 (X, Y将值划分为XY进入二维存储箱,并返回存储箱计数以及每个维度中的存储箱边缘历史计数2函数使用自动装箱算法,该算法返回选定的统一装箱,以覆盖XY并揭示其分布的基本形状。

例子

N塞吉斯Yedges) = histcounts2 (X, Ynbins指定要在每个标注中使用的存储箱数。

例子

N塞吉斯Yedges) = histcounts2 (X, Y塞吉斯Yedges分区XY装箱,装箱的边由塞吉斯Yedges

N(i,j)计算值[X (k), Y (k)]如果Xedges(我)X (k)<Xedges(i+1)Yedges (j)Y (k)<Yedges (j + 1).每个尺寸中的最后一个箱子也包括最后一个(外)边。例如,[X (k), Y (k)]落入最后一行的箱子Xedges(1号结束)X (k)Xedges(结束)Yedges(我)Y (k)<Yedges (i + 1)

例子

N塞吉斯Yedges) = histcounts2 (___名称,值使用一个或多个指定的附加选项名称,值使用前面语法中的任何输入参数对参数进行配对。例如,可以指定“BinWidth”以及一个二元素向量,用于调整每个维度中容器的宽度。

例子

N塞吉斯YedgesbinXbinY) = histcounts2 (___也返回索引数组binXbinY,使用任何先前的语法。binXbinY数组的大小是否相同XY哪些元素是对应元素的bin索引XY.元素的数量(i, j)th bin等于nnz (binX = =我& binY = = j),这与N(i,j)如果归一化“伯爵”

例子

全部折叠

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(:)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

输入参数

全部折叠

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。XY必须有相同的尺寸。

对应的元素XY指定xy二维数据点的坐标,[X (k), Y (k)].的数据类型XY可能会有所不同。

历史计数2忽略所有价值观。同样,历史计数2忽略了值,除非容器边明确指定作为仓边。

数据类型:仅有一个的|双重的|int8|int16|int32|int64|uint8|uint16|uint32|uint64|逻辑

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XY

  • 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。

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

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

名称-值参数

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

例子:[N,Xedges,Yedges]=histcounts2(X,Y,'Normalization','probability')使垃圾箱计数正常N,这样总和(N)是1。

bining算法,指定为该表中的一个值。

价值 描述
“汽车”

默认的“汽车”算法选择一个仓宽来覆盖数据范围,并揭示底层分布的形状。

“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[3.5*std(X(:)*numel(X)^(-1/4),3.5*std(Y(:)*numel(Y)^(-1/4)]

“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[2 *差(X(:)) *元素个数(X) ^(1/4), 2 *差(Y(:)) *元素个数(Y) ^ (1/4)哪里位差是四分位区间。

“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。

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5x尺寸和大小10y维度。

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

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

规格化的类型,指定为该表中的一个值。对于每一个本

  • v 为bin值。

  • c 是存储箱中的元素数。

  • 一个 w x w y 是每个料仓的面积,使用xy本宽度。

  • N 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)

v c

  • 计数或观察的频率。

  • 箱值之和小于或等于元素个数(X)元素个数(y).总和小于元素个数(X)仅当某些输入数据未包含在存储箱中时。

“计数密度”

v c 一个

  • 按料仓面积缩放的计数或频率。

  • (N值*容器面积)的容器体积之和小于或等于元素个数(X)元素个数(Y)

“卡姆Count”

v j 1 c j

  • 累计计数。每个箱子的值是在每个箱子和所有之前的箱子中观察到的累积数量xy维度。

  • N(结束,结束)是小于还是等于元素个数(X)元素个数(Y)

“概率”

v c N

  • 相对概率。

  • 总和(N(:)是小于还是等于1

“pdf”

v c N 一个

  • 概率密度函数估计。

  • (N值*容器面积)的容器体积之和小于或等于1

“cdf”

v j 1 c j N

  • 累积密度函数估计。

  • N(结束,结束)是小于还是等于1

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XY

输出参数

全部折叠

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。

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。

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。

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binXbinY描述哪个编号的箱子中包含相应的值XY.价值0binXbinY指示不属于任何容器的元素(例如值)。

例如,binX (1)binY (1)描述该值的容器位置[X (1), Y (1)]

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binXbinY描述哪个编号的箱子中包含相应的值XY.价值0binXbinY指示不属于任何容器的元素(例如值)。

例如,binX (1)binY (1)描述该值的容器位置[X (1), Y (1)]

扩展能力

R2015b中引入