文档帮助中心文档
柱状图箱数
[N,边]=历史计数(X)
[N,边]=历史计数(X,N英寸)
[n,边] = histcounts(x,边)
[N,边,箱]=历史计数(___)
N = histcounts (C)
n = histcounts(C,类别)
[n,类别] = histcounts(___)
[___) = histcounts (___,名称,价值)
例子
[N,边缘) = histcounts (X)分割X值放入容器,并返回每个容器中的计数以及容器边。的历史记录函数使用一种自动装箱算法,该算法返回具有统一宽度的箱子,所选的箱子覆盖X并揭示了分布的潜在形状。
[N,边缘) = histcounts (X)
N
边缘
X
历史记录
[N,边缘) = histcounts (X,nbins.)使用标量指定的多个存储箱,nbins..
[N,边缘) = histcounts (X,nbins.)
nbins.
[N,边缘) = histcounts (X,边缘)排序X进入带有载体指定的箱边的垃圾箱,边缘.价值x(i)在里面k如果边缘(k)≤.x(i)<边(k+1). 最后一个箱子还包括右箱子边缘,因此它包含x(i)如果边(end-1)≤.x(i)≤.边缘(结束).
[N,边缘) = histcounts (X,边缘)
x(i)
k
边缘(k)
边(k+1)
边(end-1)
边缘(结束)
[N,边缘,箱子) = histcounts (___)还返回一个索引数组,箱子,使用任何先前的语法。箱子是与相同大小的数组X其元素是中相应元素的bin索引X. 中的元素数k班nnz(bin == k),这与N (k).
[N,边缘,箱子) = histcounts (___)
箱子
nnz(bin == k)
N (k)
N= histcounts(C), 在哪里C是一个类别数组,返回一个向量,N,表示中元素的数量C其值等于每个值C的类别。N每个类别都有一个元素C.
N= histcounts(C)
C
N= histcounts(C,类别)仅计算元素C哪个值等于由类别.
N= histcounts(C,类别)
类别
[N,类别) = histcounts (___)还返回与中的每个计数对应的类别N对分类数组使用前面的任一语法。
[N,类别) = histcounts (___)
[___) = histcounts (___,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或输出参数组合对参数进行配对。例如,可以指定'binwidth'和标量调整箱的宽度以进行数字数据。对于分类数据,您可以指定'正常化'和任何一种“伯爵”,“计数密度”,“概率”,“pdf”,'cumcount', 或者'CDF'.
[___) = histcounts (___,名称、值)
名称、值
'binwidth'
'正常化'
“伯爵”
“计数密度”
“概率”
“pdf”
'cumcount'
'CDF'
全部崩溃
将100个随机值分配到箱中。历史记录自动选择适当的仓宽以显示数据的底层分布。
x = randn(100,1);[N,边]=历史计数(X)
N =1×72 17 28 32 16 3 2
边缘=1×8-3 -2 -1 0 1 2 3 4
将10个数字分配成6个等间隔的箱。
X = [2 3 5 7 11 13 17 19 23 29];[n,边] = histcounts(x,6)
N =1×62 2 2 1 1
边缘=1×70 4.9000 9.8000 14.7000 19.6000 24.5000 29.4000
将1000个随机数字分配到容器中。用vector定义bin边,其中第一个元素是第一个箱子的左边,最后一个元素是最后一个箱子的右边。
X = randn (1000 1);Edges = [-5 -4 -1 -0.5 0 0.5 1 2 4 5];N = histcounts (X,边缘)
N =1×100 24 149 142 195 200 154 111 25 0
将小于100的所有素数分发给箱子。指定'正常化'作为“概率”致力于垃圾箱计数总和(n)是1.也就是说,每个箱数代表观察到在该箱内的概率。
总和(n)
1
X =质数(100);[N,边缘]= histcounts (X,'正常化',“概率”)
N =1×40.4000 0.2800 0.2800 0.0400
边缘=1×50 30 60 90 120
在-5和5之间分配100个随机整数到bins,并指定'binmethod'作为'整数'若要使用以整数为中心的单位宽度存储单元,请为其指定第三个输出历史记录返回表示数据的bin索引的向量。
'binmethod'
'整数'
X=randi([-5,5],100,1);[N,边,bin]=histcounts(X,'binmethod','整数');
通过计算数字的出现来查找第三个垃圾箱的垃圾箱数量3.在bin索引向量中,箱子.结果与N(3).
3.
N(3)
count = nnz(bin == 3)
count = 8.
创建表示投票的分类向量。向量中的类别为“是的”,“不”, 或者“未决定”.
“是的”
“不”
“未决定”
A=[0 0 1 1 0 0 0 0 0南1 0 0 0 1 0 1 0 0 0 1 1 1];C=分类的(A,[10 NaN]{“是的”,“不”,“未决定”})
C =1x27分类列1到9不是的是的是的不不不不列10到16决定决定是的不不不列17到25没有是的是的不不不是的是的列26日至27日是的是的
确定每个类别中元素的数量。
[n,类别] = histcounts(c)
N =1×311 14 2
类别=1 x3单元格{'是'} {'no'} {'undecided'}
分布在容器中的数据,指定为向量、矩阵或多维数组。如果X那么,它不是一个向量历史记录把它看成一个单列向量,X(:).
X(:)
历史记录漠视一切南价值观。相似地,历史记录忽略了INF.和负除非BIN边缘明确指定的值INF.或负作为一个箱子的边缘。
南
INF.
负
数据类型:单身的|双倍的|int8|int16|INT32.|INT64.|uint8.|uint16|UINT32|uint64|逻辑|日期时间|持续时间
单身的
双倍的
int8
int16
INT32.
INT64.
uint8.
uint16
UINT32
uint64
逻辑
日期时间
持续时间
分类数据,指定为分类数组。历史记录忽略未定义的分类值。
数据类型:分类
分类
箱的数量,指定为正整数。如果没有指定nbins.,然后历史记录根据里面的值自动计算要使用多少个箱子X.
例子:[n,边] = histcounts(x,15)使用15个垃圾箱。
[n,边] = histcounts(x,15)
面元边,指定为向量。边缘(1)是第一个垃圾箱的左边缘,边缘(结束)是最后一个箱子的右边。
边缘(1)
用于日期时间和持续时间数据,边缘必须是单调递增顺序的日期时间或持续时间向量。
计数中包含的类别,指定为字符串向量、字符向量的单元格向量或分类向量。默认情况下,历史记录在分类数组中使用每个类别的binC.使用类别改为指定类别的唯一子集。
例子:h = histcounts(c,{'大','small'})只计算类别中的类别数据“大的”和“小”.
h = histcounts(c,{'大','small'})
“大的”
“小”
数据类型:单间牢房|分类
单间牢房
指定可选的逗号分隔的对名称、值论点。姓名参数名和价值是对应的值。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.
姓名
价值
name1,value1,...,namen,valuen
[N,边缘]= histcounts (X,“正常化”,“概率”)
BinLimits
Bin极限,指定为二元向量,[Bmin,Bmax].此选项仅限符号X介于Bmin.和最大包容;也就是说,x(x> = bmin&x <= bmax).
[Bmin,Bmax]
Bmin.
最大
x(x> = bmin&x <= bmax)
此选项不适用于分类数据。
例子:[N,边缘]= histcounts (X,“BinLimits”,[1,10])只能禁止值X介于1和10包含全部费用
[N,边缘]= histcounts (X,“BinLimits”,[1,10])
10
宾法
“汽车”
“斯科特。”
“fd”
“斯特格斯”
'sqrt'
Binning算法,指定为此表中的值之一。
描述
默认值“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。
如果数据接近正态分布,Scott规则是最优的,但也适用于大多数其他分布。它的箱宽为3.5 * std(x(:))* numel(x)^( - 1/3).
3.5 * std(x(:))* numel(x)^( - 1/3)
Freedman-Diaconis规则对数据中的异常值不太敏感,可能更适合于具有重尾分布的数据2 * IQR(X(:))* numel(x)^( - 1/3), 在哪里位差是的四分位范围X.
2 * IQR(X(:))* numel(x)^( - 1/3)
位差
整数规则对于整数数据很有用,因为它为每个整数创建一个bin。它使用的仓宽为1,并将仓边放在整数中间。为了防止意外创建过多的容器,限制65536个容器(216)可以使用此规则创建。如果数据范围大于65536,则使用更宽的箱。
请注意
'整数'不支持日期时间或持金宝app续时间数据。
斯特奇斯的规则是一个简单的规则,因为它的简单而受欢迎。它选择箱子的数量ceil(1+log2(numel(X))).
ceil(1+log2(numel(X)))
平方根规则是另一个在其他软件包中广泛使用的简单规则。它选择箱子的数量装天花板(√元素个数(X))).
装天花板(√元素个数(X)))
历史记录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。
对于datetime数据,bin方法可以是以下时间单位之一:
“第二”
“月”
“一分钟”
“四分之一”
'小时'
'年'
'日'
“十年”
'星期'
'世纪'
对于持续时间数据,BIN方法可以是这些时间单位之一:
如果您指定宾法使用datetime或duration数据,然后历史记录最多可使用65536个箱子(或2个16)。如果指定的存储箱持续时间需要更多存储箱,则历史记录使用与最大箱数相对应的较大箱宽。
例子:[n,边缘] = histcounts(x,'binmethod','整数')使用以整数为中心的容器。
[n,边缘] = histcounts(x,'binmethod','整数')
箱宽
容器的宽度,指定为标量。如果您指定箱宽,然后历史记录可以使用最多65,536个垃圾箱(或216).如果指定的仓宽需要更多的仓,则历史记录使用与最大箱数相对应的较大箱宽。
对于datetime和duration数据,的值'binwidth'可以是标量持续时间或日历持续时间。
例子:[n,边缘] = histcounts(x,'binwidth',5)使用宽度为5的垃圾箱。
[n,边缘] = histcounts(x,'binwidth',5)
规范化
规范化类型,指定为此表中的一个值。每个箱子我:
我
v 我 是bin值。
c 我 是存储箱中的元素数。
w 我 是垃圾箱的宽度。
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南,NaT, 或者<未定义>值,或者如果某些数据超出bin限制。
NaT
<未定义>
v 我 = c 我
计数或观察的频率。
箱子值的总和小于或等于元素个数(X).总和小于元素个数(X)只有在箱中不包含一些输入数据时。
元素个数(X)
对于分类数据,箱子值的总和是元素个数(X)或总和(成员(X(:),类别)).
总和(成员(X(:),类别))
v 我 = c 我 w 我
计数或频率按箱宽度缩放。
对于分类数据,这与“伯爵”.
“计数密度”不支持日期时间或持金宝app续时间数据。
v 我 = ∑ j = 1 我 c j
累计计数。每个箱子的值是该箱子和之前所有箱子中观察到的累计数量。
最后一个箱子的值小于或等于元素个数(X).
对于分类数据,最后一个箱子的值小于或等于元素个数(X)或总和(成员(X(:),类别)).
v 我 = c 我 N
相对概率。
bin值之和小于或等于1.
v 我 = c 我 N ⋅ w 我
概率密度函数估计。
对于分类数据,这与“概率”.
“pdf”不支持日期时间或持金宝app续时间数据。
v 我 = ∑ j = 1 我 c j N
累积密度函数估计。
N(结束)是小于还是等于1.
N(结束)
例子:[n,边] = histcounts(x,'归一化','pdf')用概率密度函数估计装箱数据。
[n,边] = histcounts(x,'归一化','pdf')
垃圾箱计数,作为行矢量返回。
Bin边,作为向量返回。边缘(1)是第一个垃圾箱的左边缘,边缘(结束)是最后一个箱子的右边。
垃圾箱指数,返回与相同尺寸的数组X.中的每个元素箱子描述中包含相应元素的编号箱子X.
的值0在里面箱子表示不属于任何存储箱的元素(例如南价值)。
0
包含在计数中的类别,作为字符向量的单元格向量返回。类别包含C对应于中的每个计数N.
行为历史记录类似于离散化功能。使用历史记录找到每个垃圾箱中的元素数。另一方面,使用离散化查找每个元素所属的容器(不计算)。
离散化
使用说明和限制:
不支持某些输入选项。金宝app允许的选项有:
“宾极限”
'binmethod'- 这“汽车”和“斯科特。”Bin方法是相同的。的“fd”不支持BIN方法。金宝app
有关更多信息,请参见高大的数组.
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。
Backgroundgool.
线程池
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.
不支持64位整数。金宝app
有关更多信息,请参见在GPU上运行MATLAB函数(并行计算工具箱).
直方图|histogram2|离散化|histcounts2.
直方图
histogram2
histcounts2.
是否需要对环境进行修改。是否需要对环境进行修改?
Hai Fatto Clic Su Un Collegamento Che Corlisponde A Questo Comando Matlab:
Esegui il comando inserendolo nella finestra di comando MATLAB。我浏览器web非supportano金宝app I命令MATLAB。
选择一个网站,以便在可用的地方进行翻译的内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:.
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。
联系您当地的办公室