主要内容

histcounts

直方图箱数

折叠所有页面

语法

[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)

描述

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。

例子

［N，边缘) = histcounts (X，nbins）使用标量指定的容器数量，nbins．

例子

［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)．

例子

［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)．

例子

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，类别）只计算其中的元素C哪个值等于由类别．

例子

［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。

例子

［＿＿＿) = 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”．

例子

全部折叠

打开生活的脚本

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
打开生活的脚本

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
打开生活的脚本

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
打开生活的脚本

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。

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
打开生活的脚本

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。

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)．

数= nnz(本= = 3)
数= 8
打开生活的脚本

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”．

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”}

输入参数

全部折叠

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 (:)．

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。

数据类型: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

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。

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。

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。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64|逻辑|datetime|持续时间

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”．

数据类型:细胞|分类

名称-值对的观点

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．

例子:[N,边缘]= histcounts (X,“正常化”,“概率”)使垃圾箱计数正常N,这样总和(N)是1。

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)．

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。

bining算法，指定为该表中的一个值。

价值

描述

“汽车”

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。

“斯科特。”

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)．

“fd”

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．

“整数”

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

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)))．

“√”

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)))．

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:

“第二” “天”
“一分钟” “年”
“小时”

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。

此选项不适用于分类数据。

例子:[N,边缘]= histcounts (X,“BinMethod”,“整数”)使用整数为中心的容器。

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。

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。

此选项不适用于分类数据。

例子:[N,边缘]= histcounts (X, BinWidth, 5)使用宽度为5的箱子。

规格化的类型，指定为该表中的一个值。对于每一个本我：

  • 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。

价值 本值 笔记
“数”(默认)

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。

  • 对于分类数据，bin值的和为元素个数(X)或sum (ismember (X(:),类别))．
“countdensity”

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”．

请注意

“countdensity”不支持dateti万博1manbetxme或duration数据。
“cumcount”

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))．
“概率”

v 我 ＝ c 我 N

  • 相对概率。

  • 箱值之和小于或等于1．
“pdf”

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”．

请注意

“pdf”不支持dateti万博1manbetxme或duration数据。
“提供”

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．

例子:[N,边缘]= histcounts (X,“正常化”,“pdf”)用概率密度函数估计装箱数据。

输出参数

全部折叠

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)。

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．

提示

  • 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)。

扩展功能

另请参阅

|||

主题

介绍了R2014b

MATLAB的文档

万博1manbetx

介绍基于MATLAB的深度学习

介绍基于MATLAB的深度学习

下载电子书