二元直方图bin计数
将100对随机数分配到容器中。histcounts2
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 1 1 4 6 3 11 1 0 0 1 2 0 0 0 0 1 0 1 0
Xedges =1×83 -2 -1 0 1 2 3 4
Yedges =1×7-3 -2 -1 0 1 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 1 0 0 1
Xedges =1×40.6000 1.4000 2.2000 3.0000
Yedges =1×50 2.3000 4.6000 6.9000 9.2000
将1000对随机数分配到容器中。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 =600100 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日23日29日25日26日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 8 5 3 2 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对随机数分配到容器中。指定归一化
作为“概率”
将容器计数标准化,以便总和(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,“归一化”,“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
Xedges =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
在-10和10之间分配1000个随机整数对到bins,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
返回表示数据所在容器位置的向量。
x =兰迪([10]-10年,1000年,1);y =兰迪([10]-10年,1000,1);[N Xedges Yedges, binX binY] = histcounts2 (x, y,'binmethod',“整数”);
确定值所在的容器(x (3), (3))
落入。
[x (3), (3))
ans =1×28 10
bin = [binX(3) binY(3)]
本=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)]
.数据类型X
和Y
可以是不同的。
histcounts2
忽略所有南
值。同样的,histcounts2
忽略了INF.
和负
除非BIN边缘明确指定的值INF.
或负
作为仓边。
数据类型:单
|双倍的
|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二元素向量。如果没有指定nbins.
,然后histcounts2
根据里面的值自动计算要使用多少个箱子X
和Y
:
如果nbins.
那是一个标量histcounts2
在每个维度中使用这么多的容器。
如果nbins.
是向量吗nbins (1)
属性中容器的数量x-dimension和nbins (2)
属性中容器的数量y-尺寸。
例子:[N,Xedges,Yedges] = histcounts2(X,Y,[15 20])
使用了15个垃圾桶x
- 在上限和20个垃圾箱y
-尺寸。
Xedges
- - - - - -bin边缘x维bin边缘x-dimension,指定为向量。Xedges (1)
第一个箱子的第一条边在吗x维度,Xedges(结束)
是最后一个箱子的外缘。
数据类型:单
|双倍的
|int8
|int16
|INT32.
|int64
|uint8
|uint16
|uint32
|uint64
|逻辑
Yedges
- - - - - -bin边缘y维bin边缘y-dimension,指定为向量。Yedges (1)
第一个箱子的第一条边在吗y维度,yedges(结束)
是最后一个箱子的外缘。
数据类型:单
|双倍的
|int8
|int16
|INT32.
|int64
|uint8
|uint16
|uint32
|uint64
|逻辑
指定可选的逗号分隔的对名称,值
论点。的名字
参数名和价值
为对应值。的名字
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,...,namen,valuen
.
[N Xedges Yedges] = histcounts2 (X, Y,“正常化”,“概率”)
使垃圾箱计数正常N
,这样总和(n)
是1。
BinMethod
- - - - - -装箱算法“汽车”
(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 |
---|---|
“汽车” |
默认的 |
“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” |
整数规则对于整数数据很有用,因为它创建了以整数对为中心的容器。它为每个维度使用1的仓宽,并将仓边放置在整数中间。 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).如果任意维度的数据范围大于1024,则整数规则将使用更宽的容器。 |
histcounts2
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。
BinWidth
- - - - - -每个维度的箱子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BinWidth
,然后histcounts2
可以使用最多1024个垃圾箱(210)沿每个维度。如果指定的仓宽需要更多的仓,则histcounts2
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
在里面x
尺寸和大小10
在里面y
-尺寸。
XBinLimits
- - - - - -垃圾箱限制x维垃圾箱限制x-维,指定为二元向量,[xbmin,xbmax]
.的第一个和最后一个箱子边x-尺寸。
此选项仅对垃圾箱限制范围内的数据进行分类,X > = X < = xbmax xbmin &
.
YBinLimits
- - - - - -垃圾箱限制y维垃圾箱限制y-维,指定为二元向量,[ybmin, ybmax]
.的第一个和最后一个箱子边y-尺寸。
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
- - - - - -类型的标准化“数”
(默认)|“概率”
|“countdensity”
|“pdf”
|“cumcount”
|'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。
是容器中元素的数量。
每个箱子的面积,是用x和ybin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 |
---|---|---|
“数” (默认) |
|
|
“countdensity” |
|
|
“cumcount” |
|
|
“概率” |
|
|
“pdf” |
|
|
'CDF' |
|
|
例子:[N Xedges Yedges] = histcounts2 (X, Y,“正常化”,“pdf”)
bin数据使用概率密度函数估计X
和Y
.
N
——本计数Bin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设在和y设在,
例如,(1,1)
Bin包括落在每个维度的第一条边上的值,右下角的最后一个Bin包括落在其任何边上的值。
Xedges
-仓边插入x维bin边缘x-dimension,返回为向量。Xedges (1)
是第一个宾馆x-dimension和Xedges(结束)
是最后一个箱边。
Yedges
-仓边插入y维bin边缘y-dimension,返回为向量。Yedges (1)
是第一个宾馆y-dimension和yedges(结束)
是最后一个箱边。
binX
- Bin索引x维本指数x-dimension,返回为大小相同的数字数组X
.对应的元素binX
和binY
描述哪个编号的容器包含相应的值X
和Y
.的值0
在binX
或binY
指示不属于任何容器的元素(例如南
价值)。
例如,宾克斯(1)
和二进制(1)
描述该值的容器位置[X (1), Y (1)]
.
binY
- Bin索引y维本指数y-dimension,返回为大小相同的数字数组Y
.对应的元素binX
和binY
描述哪个编号的容器包含相应的值X
和Y
.的值0
在binX
或binY
指示不属于任何容器的元素(例如南
价值)。
例如,宾克斯(1)
和二进制(1)
描述该值的容器位置[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。
Backgroundgool.
或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命令。Web浏览器不支持MATLAB命令。金宝app
你也可以从以下列表中选择一个网站:
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。