双变量直方图箱数计数
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
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
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
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
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
十、 Y
—要在存储箱之间分发的数据(作为单独的参数)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
nbins.
—每个维度中的存储箱数量每个维度中的箱数,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。
xedges.
—bin边缘x-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
是的
—bin边缘Y-尺寸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
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
.
[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。
'binmethod'
—融合算法“自动”
(默认)|“斯科特”
|'FD'
|'整数'
Binning算法,指定为此表中的值之一。
价值 | 描述 |
---|---|
“自动” |
默认值 |
“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 |
'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 |
'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。
'binwidth'
—每个维度中的距宽度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。
'xbinlimits'
—垃圾箱限制x-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
.
'ybinlimits'
—垃圾箱限制Y-尺寸垃圾箱限制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
.
'正常化'
—归一化类型'数数'
(默认)|“概率”
|'校长'
|“pdf”
|'cumcount'
|'CDF'
规范化类型,指定为此表中的一个值。每个箱子我
:
是bin值。
是垃圾箱中的元素数。
是每个垃圾箱的区域,计算使用的x和Ybin宽度。
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) |
|
|
'校长' |
|
|
'cumcount' |
|
|
“概率” |
|
|
“pdf” |
|
|
'CDF' |
|
|
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
.
N
- 垃圾箱数目垃圾箱数,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。
xedges.
-垃圾箱边缘x-尺寸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。
是的
-垃圾箱边缘Y-尺寸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。
宾克斯
- Bin指数x-尺寸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)]
.
平淡的
- Bin指数Y-尺寸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)]
.
使用说明和限制:
代码生成不支持此功能的稀疏矩阵输入。金宝app
如果您不提供BIN边缘,则代码生成可能需要可变大小的数组和动态内存分配。
您单击了与此MATLAB命令对应的链接:
在MATLAB命令窗口中输入它来运行命令。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一个网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区网站未针对您所在地的访问进行优化。