主要内容

histcounts2.

双变量直方图箱数计数

页面上倒塌

语法

[n，xedges，yedges] = histcounts2（x，y）
[n，xedges，yedges] = histcounts2（x，y，nbins）
[N，Xedges，Yedges]=histcounts2（X，Y，Xedges，Yedges）
[n，xedges，yedges] = histcounts2（___，名称，价值）
[N，Xedges，yes，binX，binY]=histcounts2(___)

描述

例子

[N,xedges.,是的] = histcounts2（十、 Y)分区值X和Y进入二维箱，并返回每个维度的箱子边缘。这histcounts2.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X和Y并揭示了分布的潜在形状。

例子

[N,xedges.,是的] = histcounts2（十、 Y,nbins.)指定每个维度使用的箱数。

例子

[N,xedges.,是的] = histcounts2（十、 Y,xedges.,是的)分割X和Y进入垃圾箱与箱边缘指定xedges.和是的.

n（i，j）计算价值[X（k），Y（k）]如果Xedges（i）≤.x（k）<Xedges（I + 1）和yedges（j）≤.Y（k）<yedges（J + 1）.每个维度的最后一个箱还包括最后一个（外）边缘。例如，[X（k），Y（k）]落入我最后一行的th bin，如果Xedges（结束-1）≤.x（k）≤.Xedges（结束）和yedges（i）≤.Y（k）<yedges（i + 1）.

例子

[N,xedges.,是的] = histcounts2（___,名称、值)使用一个或多个指定的其他选项名称、值使用以前语法中的任何输入参数对参数。例如，您可以指定'binwidth'以及一个两元素向量，用于调整每个维度中箱子的宽度。

例子

[N,xedges.,是的,宾克斯,平淡的] = histcounts2（___)还返回索引数组宾克斯和平淡的，使用以前的任何语法。宾克斯和平淡的数组的大小是否与X和Y其元素是中相应元素的bin索引X和Y. 中的元素数（I，J）垃圾箱等于nnz（binX==i&binY==j），这与n（i，j）如果规范化是'数数'.

例子

全部崩溃

打开直播脚本

将100对随机数分为垃圾箱。histcounts2.自动选择适当的仓位宽度以显示数据的基本分布。

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 1 1 4 6 3 11 1 0 0 1 2 0 0 0 0 1 0 1 0
塞吉斯=1×8.-3 -2 -1 0 1 2 3 4
yedges =1×7.-3 -2 -1 0 1 2 3
打开直播脚本

将10对数字分配到12个箱子中。在x标注中指定3个存储箱，在y标注中指定4个存储箱。

x=[1,2,2,1,2,3]；y=[5638912751]；nbins=[34][N、 Xedges，Yedges]=histcounts2（x，y，nbins）
N=3×41 0 2 1 1 1 1 1 1 0 0 1
塞吉斯=1×40.6000 1.4000 2.2000 3.0000
yedges =1×50 2.3000 4.6000 6.9000 9.2000
打开直播脚本

将1,000对随机数分为垃圾箱。使用两个向量定义BIN边缘：每个向x和y尺寸为一个。每个矢量中的第一个元素指定了第一箱的第一边缘，最后一个元素是最后一个箱的最后边缘。

X = RANDN（1000,1）;Y = Randn（1000,1）;Xedges = -5：5;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 0 5 5 3 5 1 2 0 0 0 0 2 19 23 29 25 26 20 5 0 0 10 3 36 51 59 71 54 46 10 00 7 43 46 79 64 60 46 9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
打开直播脚本

将1,000对随机数分为垃圾箱。指定规范化作为“概率”使箱子归一化，这样总和（n（:)）是1..也就是说，每个箱数代表观察到在该箱内的概率。

X = RANDN（1000,1）;Y = Randn（1000,1）;[n，xedges，yedges] = histcounts2（x，y，6，'正常化',“概率”)
N=6×60 0 0.0020 0.0020 0 0 0 0 0.0110 0.0320 0.0260 0.0070 0.0010 0.00260 0.110 0.1750 0.0430 0.0060 0 0.0 0.0.0.0.0.0.0 0.0.030 0.0.0370 0.0 0.0040 0.0300 0.0100 0.0010 0 0.0100
塞吉斯=1×7.-4.0000 -2.7000 -1.4000 -0.1000 1.2000 2.5000 3.8000
yedges =1×7.-4.0000 -2.7000 -1.4000 -0.1000 1.2000 2.5000 3.8000
打开直播脚本

将1000个介于-10和10之间的随机整数对分配到容器中，并指定Binmethod.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histcounts2.返回代表数据的箱的载体。

x = randi（[ -  10,10]，1000,1）;Y = RANDI（[ -  10,10]，1000,1）;[n，xedges，yedges，binx，biny] = histcounts2（x，y，'binmethod','整数');

确定哪个箱子值（x（3），y（3））跌进。

[x（3），y（3）]
ans=1×2-8 10.
bin = [binx（3）biny（3）]
bin =1×23 21

输入参数

全部崩溃

分布在箱中的数据，指定为矢量，矩阵或多维数组的单独参数。X和Y必须具有相同的大小。

相应的元素X和Y指定x和Y2-D数据点的坐标，[X（k），Y（k）].数据类型X和Y可以不同。

histcounts2.漠视一切楠价值观。相似地，histcounts2.忽视INF.和-Inf除非BIN边缘明确指定的值INF.或者-Inf作为一个箱子的边缘。

数据类型：单身的|双倍的|INT8.|int16|INT32.|INT64.|uint8.|uint16|UINT32|UINT64|符合逻辑的

每个维度中的箱数，指定为正整数的正标量整数或两个元素向量。如果您未指定nbins.那么histcounts2.根据中的值自动计算要使用的箱子数量X和Y:

  • 如果nbins.那是一个标量histcounts2.使用每个维度中的许多垃圾箱。

  • 如果nbins.那么，这是一个向量nbins（1）指定存储库中的存储箱数x-dimension和nbins（2）指定存储库中的存储箱数Y-尺寸。

例子：[n，xedges，yedges] = histcounts2（x，y，[15 20]）每天使用15个垃圾箱x- 在上限和20个垃圾箱Y-尺寸。

bin边缘x-维度，指定为向量。Xedges（1）是第一个垃圾箱的第一边x- 努力和Xedges（结束）是最后一个箱子的外缘。

数据类型：单身的|双倍的|INT8.|int16|INT32.|INT64.|uint8.|uint16|UINT32|UINT64|符合逻辑的

bin边缘Y-维度，指定为向量。yedges（1）是第一个垃圾箱的第一边Y- 努力和yedges（结束）是最后一个箱子的外缘。

数据类型：单身的|双倍的|INT8.|int16|INT32.|INT64.|uint8.|uint16|UINT32|UINT64|符合逻辑的

名称-值对参数

指定可选的逗号分隔的字符对名称、值论点。姓名是参数名和价值是相应的价值。姓名必须出现在引号内。您可以按任意顺序指定多个名称和值对参数，如下所示：name1，value1，...，namen，valuen.

例子：[n，xedges，yedges] = histcounts2（x，y，'归一化'，'概率'）标准化中的存储箱计数N，以致总和（n）是1。

Binning算法，指定为此表中的值之一。

价值 描述
“自动”

默认值“自动”该算法选择一个面元宽度来覆盖数据范围并揭示底层分布的形状。
“斯科特”

斯科特的规则是最佳的，如果数据接近是共同正常分布的。此规则也适用于大多数其他分布。它使用了一个箱的大小[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，并且可能更适合具有重型分布的数据。它使用了一个箱的大小[2*IQR（X（：）*numel（X）^（-1/4），2*IQR（Y（：）*numel（Y）^（-1/4）]， 在哪里IQR是四分位范围。
'整数'

整数规则对整数数据很有用，因为它会在成对的整数上创建符合子。它为每个维度使用1的1个宽度，并将箱边的半区中的中途分开。

为了避免意外创建过多的存储箱，可以使用此规则创建1024个存储箱的限制(2.10.）。如果维度的数据范围大于1024，则整数规则使用更宽的频率。

histcounts2.并不总是使用这些精确公式选择箱子的数量。有时会稍微调整箱子的数量，使箱子边缘落在“漂亮”的数字上。

例子：[n，xedges，yedges] = histcounts2（x，y，'binmethod'，'整数'）使用以每对整数为中心的二维容器。

每个维度中的容器宽度，指定为正整数的两元素向量，[xWidth-yWidth].

如果您指定百宽那么histcounts2.可以使用最多1024个垃圾箱（2.10.)沿着每个维度。如果指定的料仓宽度需要更多的料仓，则histcounts2.使用与最大存储箱数相对应的较大存储箱宽度。

例子：[n，xedges，yedges] = histcounts2（x，y，'binwidth'，[5 10]）使用大小相同的垃圾箱5.在里面x-尺寸和尺寸10.在里面Y-尺寸。

垃圾箱限制x-维度，指定为两元素向量，[xbmin，xbmax]. 该向量表示该区域中的第一个和最后一个箱子边x-尺寸。

此选项仅包含在bin限制范围内的bin数据，x> = xbmin＆x <= xbmax.

垃圾箱限制Y-维度，指定为两元素向量，[YBMIN，YBMAX]. 该向量表示该区域中的第一个和最后一个箱子边Y-尺寸。

此选项仅包含在bin限制范围内的bin数据，Y> =ybmin&Y<=ybmax.

规范化类型，指定为此表中的一个值。每个箱子我:

  • v 我 是bin值。

  • C 我 是垃圾箱中的元素数。

  • A. 我 = W x 我 ⋅ W Y 我 是每个垃圾箱的区域，计算使用的x和Ybin宽度。

  • N 是输入数据中的元素数。如果数据包含，则此值可以大于装箱数据楠值，或者如果某些数据超出bin限制。

价值 仓位值 笔记
'数数'（默认）

v 我 = C 我

  • 观察的次数或频率。

  • 箱子值的总和小于或等于努梅尔（X）和努梅尔（y）. 总数少于努梅尔（X）只有在箱中不包含一些输入数据时。
'校长'

v 我 = C 我 A. 我

  • 由箱区域缩小的计数或频率。

  • BIN卷的总和（n值*箱区域）小于或等于努梅尔（X）和努梅尔（Y）.
'cumcount'

v 我 = σ. J = 1. 我 C J

  • 累积计数。每个料位值是每个料位和两个料位中所有先前料位的累计观测数x和Y方面。

  • N（结束，结束）小于或等于努梅尔（X）和努梅尔（Y）.
“概率”

v 我 = C 我 N

  • 相对概率。

  • 总和（n（:)）小于或等于1..
“pdf”

v 我 = C 我 N ⋅ A. 我

  • 概率密度函数估计。

  • BIN卷的总和（n值*箱区域）小于或等于1..
'CDF'

v 我 = σ. J = 1. 我 C J N

  • 累积密度函数估计。

  • N（结束，结束）小于或等于1..

例子：[n，xedges，yedges] = histcounts2（x，y，'归一化'，'pdf'）使用概率密度函数估计来禁止数据X和Y.

输出参数

全部崩溃

垃圾箱数，返回为数字数组。

中不同编号箱子的箱子包含方案N，以及它们相对于x-axis和Y- 是，是

例如，（1,1）bin包括落在每个维度中的第一边缘的值，右下方的最后一个箱子包括落在其任何边缘的值。

bin边缘x-dimension，作为向量返回。Xedges（1）是第一个宾馆x-dimension和Xedges（结束）是最后一个箱子的边缘。

bin边缘Y-dimension，作为向量返回。yedges（1）是第一个宾馆Y-dimension和yedges（结束）是最后一个箱子的边缘。

Bin索引x-dimension，返回与尺寸相同的数字数组X.相应的元素宾克斯和平淡的描述编号的bin包含相应的值X和Y.价值0在里面宾克斯或者平淡的指示不属于任何存储箱的元素（例如楠价值）。

例如，宾克斯（1）和二进制（1）描述该值的存储箱位置[X（1），Y（1）].

Bin索引Y-dimension，返回与尺寸相同的数字数组Y.相应的元素宾克斯和平淡的描述编号的bin包含相应的值X和Y.价值0在里面宾克斯或者平淡的指示不属于任何存储箱的元素（例如楠价值）。

例如，宾克斯（1）和二进制（1）描述该值的存储箱位置[X（1），Y（1）].

扩展能力

另见

|||||

在R2015B中介绍

MATLAB文件

金宝app

与Matlab引入深度学习

与Matlab引入深度学习

下载电子书