文档帮助中心文档
直方图箱数
[N,边缘]= histcounts (X)
[N,边缘]= histcounts (X, nbins)
[N,边缘]= histcounts (X,边缘)
[N,边缘,本]= histcounts (___)
N = histcounts (C)
N = histcounts (C类)
[N,类别]= histcounts (___)
[___) = histcounts (___、名称、值)
例子
[N,边缘) = histcounts (X)分区的X值放入容器,并返回每个容器中的计数以及容器边。的histcounts函数使用自动分类算法返回具有统一宽度的容器,选择该宽度的容器覆盖元素的范围X并揭示其分布的基本形状。
[N,边缘) = histcounts (X)
N
边缘
X
histcounts
[N,边缘) = histcounts (X,nbins)使用标量指定的容器数量,nbins.
[N,边缘) = histcounts (X,nbins)
nbins
[N,边缘) = histcounts (X,边缘)排序X进入箱子,箱子边由向量指定,边缘.的值X(我)是在kth本如果边(k)≤X(我)<边(k + 1).最后一个仓还包括右仓边,以便它包含X(我)如果边(end-1)≤X(我)≤边(结束).
[N,边缘) = histcounts (X,边缘)
X(我)
k
边(k)
边(k + 1)
边(end-1)
边(结束)
[N,边缘,箱子) = histcounts (___)也返回一个索引数组,箱子,使用任何前面的语法。箱子数组的大小是否相同X哪些元素是对应元素的bin索引X.元素的数量kth本是nnz(本= = k),也就是N (k).
[N,边缘,箱子) = histcounts (___)
箱子
nnz(本= = k)
N (k)
N= histcounts (C),在那里C是一个类别数组,返回一个向量,N,表示中元素的数量C谁的值等于每一个C的类别。N每个类别有一个元素在C.
N= histcounts (C)
C
N= histcounts (C,类别)只计算其中的元素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对类别数组使用前面的任何一种语法。
[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”以及用于调整数值数据的容器宽度的标量。对于分类数据,您可以指定“归一化”,要么“数”,“countdensity”,“概率”,“pdf”,“cumcount”,或“提供”.
[___) = histcounts (___,名称,值)
名称,值
“BinWidth”
“归一化”
“数”
“countdensity”
“概率”
“pdf”
“cumcount”
“提供”
全部折叠
将100个随机值分配到容器中。histcounts自动选择适当的仓宽以显示数据的底层分布。
X = randn (100 1);[N,边缘]= histcounts (X)
N =1×72 17 28 32 16 32
边缘=1×83 -2 -1 0 1 2 3 4
将10个数字分配到6个等间距的箱子中。
X = [2 3 5 7 11 13 17 19 23 29];[N,边缘]= 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
把所有小于100的质数分配到箱子里。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,每个箱子计数表示一个观察到的物品落入该箱子的概率。
总和(N)
1
X =质数(100);[N,边缘]= histcounts (X,“归一化”,“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”使用以整数为中心的单位宽度容器。指定第三个输出histcounts返回表示数据的bin索引的向量。
“BinMethod”
“整数”
X =兰迪([5 5],100,1);[N,边缘,本]= histcounts (X,“BinMethod”,“整数”);
通过计算数字的出现次数,找到第三个箱子的箱子数3.在bin索引向量中,箱子.结果是一样的N (3).
3.
N (3)
数= nnz(本= = 3)
数= 8
创建一个表示投票的绝对向量。向量中的类别是“是的”,“不”,或“决定”.
“是的”
“不”
“决定”
A = [0 0 1 1 0 0 0 0 NaN 1 0 0 0 1 0 0 0 1 0 0 0 1 1 1];C = categorical(A,[10 0 NaN],{“是的”,“不”,“决定”})
C =1 x27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{'是的'}{‘不’}{“犹豫不决”}
分布在容器中的数据,指定为向量、矩阵或多维数组。如果X不是向量吗histcounts把它看成一个单列向量,X (:).
X (:)
histcounts忽略所有南值。同样的,histcounts忽略了正和负值,除非容器边明确指定正或负作为仓边。
南
正
负
数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64|逻辑|datetime|持续时间
单
双
int8
int16
int32
int64
uint8
uint16
uint32
uint64
逻辑
datetime
持续时间
分类数据,指定为分类数组。histcounts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histcounts根据里面的值自动计算要使用多少个箱子X.
例子:[N,边缘]= histcounts (X, 15)使用15箱。
[N,边缘]= histcounts (X, 15)
Bin边,指定为向量。边(1)是第一个箱子的左边缘,和边(结束)是最后一个箱子的右边。
边(1)
对于datetime和duration数据,边缘必须是按单调递增顺序排列的日期时间或持续时间向量。
包含在计数中的类别,指定为字符向量的单元向量或分类向量。默认情况下,histcounts为类别数组中的每个类别使用容器C.使用类别来指定类别的唯一子集。
例子:h = histcounts (C,{“大”、“小”})只计算类别中的类别数据“大”和“小”.
h = histcounts (C,{“大”、“小”})
“大”
“小”
数据类型:细胞|分类
细胞
指定可选的逗号分隔的对名称,值参数。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,…,的家.
的名字
价值
Name1, Value1,…,的家
[N,边缘]= histcounts (X,“正常化”,“概率”)
“BinLimits”
Bin极限,指定为二元向量,[bmin, bmax].这个选项只收纳其中的值X之间,bmin和bmax包容;也就是说,X (X > = bmin & < = bmax).
[bmin, bmax]
bmin
bmax
X (X > = bmin & < = bmax)
此选项不适用于分类数据。
例子:[N,边缘]= histcounts (X,“BinLimits”,[1,10])只回收箱中的值X之间的是1和10包容性。
[N,边缘]= histcounts (X,“BinLimits”,[1,10])
10
“汽车”
“斯科特。”
“fd”
斯特奇斯的
“√”
bining算法,指定为该表中的一个值。
描述
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。
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 *性病(X(:)) *元素个数(X) ^ (1/3).
3.5 *性病(X(:)) *元素个数(X) ^ (1/3)
Freedman-Diaconis规则对数据中的异常值不太敏感,可能更适合于重尾分布的数据。它的箱宽为2 *差(X(:)) *元素个数(X) ^ (1/3),在那里位差的四分位范围是X.
2 *差(X(:)) *元素个数(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)可以使用该规则创建。如果数据范围大于65536,则使用更宽的容器。
请注意
“整数”不支持dateti万博1manbetxme或duration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。它选择箱子的数量装天花板(1 + log2(元素个数(X))).
装天花板(1 + log2(元素个数(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)))
histcounts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”
“季”
“小时”
“年”
“天”
“十年”
“周”
“世纪”
对于持续时间数据,bin方法可以是以下时间单位之一:
如果您指定BinMethod然后使用datetime或duration数据histcounts可以使用最多65,536个垃圾桶(或216).如果指定的容器持续时间需要更多的容器,则histcounts使用与最大箱数相对应的较大箱宽。
BinMethod
例子:[N,边缘]= histcounts (X,“BinMethod”,“整数”)使用整数为中心的容器。
[N,边缘]= histcounts (X,“BinMethod”,“整数”)
容器的宽度,指定为标量。如果您指定BinWidth,然后histcounts可以使用最多65,536个垃圾桶(或216).如果指定的仓宽需要更多的仓,则histcounts使用与最大箱数相对应的较大箱宽。
BinWidth
对于datetime和duration数据,取值为“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的箱子。
[N,边缘]= histcounts (X, BinWidth, 5)
规格化的类型,指定为该表中的一个值。对于每一个本我:
我
v 我 为bin值。
c 我 是容器中元素的数量。
w 我 是容器的宽度。
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南,NaT,或<定义>值,或者如果某些数据位于容器限制之外。
NaT
<定义>
v 我 = c 我
计数或观察的频率。
箱值之和小于或等于元素个数(X).总和小于元素个数(X)仅当一些输入数据没有包含在容器中时。
元素个数(X)
对于分类数据,bin值的和为元素个数(X)或sum (ismember (X(:),类别)).
sum (ismember (X(:),类别))
v 我 = c 我 w 我
计数或频率按料仓宽度缩放。
对于分类数据,这与“数”.
“countdensity”不支持dateti万博1manbetxme或duration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。
最后一个容器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sum (ismember (X(:),类别)).
v 我 = c 我 N
相对概率。
箱值之和小于或等于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dateti万博1manbetxme或duration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,边缘]= histcounts (X,“正常化”,“pdf”)用概率密度函数估计装箱数据。
[N,边缘]= histcounts (X,“正常化”,“pdf”)
Bin计数,作为行向量返回。
Bin边,作为向量返回。边(1)是第一个箱子的左边缘,和边(结束)是最后一个箱子的右边。
Bin索引,作为大小相同的数组返回X.中的每个元素箱子描述在哪个编号的容器中包含相应的元素X.
的值0在箱子指示不属于任何容器的元素(例如,a南值)。
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与每一个计数相对应N.
的行为histcounts是类似的离散化函数。使用histcounts查找每个容器中元素的数量。另一方面,使用离散化查找每个元素属于哪个箱子(不计算)。
离散化
使用注意事项及限制:
不支持某些输入选项。万博1manbetx允许的选项有:
“BinMethod”- - -“汽车”和“斯科特。”Bin方法是相同的。的“fd”不支持Bin方法。万博1manbetx
有关更多信息,请参见高大的数组.
代码生成不支持此函数的稀疏矩阵输入。万博1manbetx
如果不提供容器边,那么代码生成可能需要可变大小的数组和动态内存分配。
不支持64位整数。万博1manbetx
有关更多信息,请参见在GPU上运行MATLAB函数(并行计算工具箱).
离散化|histcounts2|柱状图|histogram2
histcounts2
柱状图
histogram2
您有这个示例的修改版本。您想打开这个示例与您的编辑吗?
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。万博1manbetx
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
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。
与当地办事处联系