主要内容

histcounts2

二元直方图bin计数

全部折叠到页面中

句法

[N Xedges Yedges] = histcounts2 (X, Y)
[N Xedges Yedges] = histcounts2 (X, Y, nbins)
[n，xedges，yedges] = histcounts2（x，y，xedges，yedges）
[N Xedges Yedges] = histcounts2 (___，名称，价值）
[n，xedges，yedges，binx，biny] = histcounts2（___）

描述

例子

[N那Xedges那yedges.] = histcounts2（X，Y.）分区值X和y进入二维的箱子，并返回箱子计数，以及每个维度的箱子边缘。的histcounts2函数使用自动排放算法返回所选择的统一箱以覆盖值的范围X和y并揭示了分布的潜在形状。

例子

[N那Xedges那yedges.] = histcounts2（X，Y.那nbins.）指定要在每个维度中使用的箱子数量。

例子

[N那Xedges那yedges.] = histcounts2（X，Y.那Xedges那yedges.）分区X和y进入垃圾箱与箱边缘指定Xedges和yedges.．

N (i, j)重要的价值[x（k），y（k）]如果Xedges（i）≤x（k）<Xedges (i + 1)和yedges（j）≤y（k）<yedges（J + 1）．每个维度中的最后一个箱子也包括最后(外)边。例如,[x（k），y（k）]落入一世如果在最后一行中的话Xedges (end-1)≤x（k）≤Xedges（结束）和yedges（i）≤y（k）<yedges（i + 1）．

例子

[N那Xedges那yedges.] = histcounts2（___那名称，价值）使用由一个或多个指定的附加选项名称，价值使用以前语法中的任何输入参数对参数。例如，您可以指定“BinWidth”和两个元素矢量，以调节每个尺寸中的箱的宽度。

例子

[N那Xedges那yedges.那宾克斯那一生] = histcounts2（___）还返回索引数组宾克斯和一生，使用前面的任何语法。宾克斯和一生是与之相同的阵列X和y其元素是相应元素的垃圾箱指数X和y．中的元素数量(i, j)这等于nnz（binx == i＆biny == j），也就是N (i, j)如果正常化是“数”．

例子

全部收缩

打开生活的脚本

将100对随机数分配到箱子里。histcounts2自动选择适当的BIN宽度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 =7×6.0 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 =1×8-2 -1 0 1 2 3 4
Yedges =1×7-3 -2 -1 0 1 2 3
打开生活的脚本

将10对数分为12个箱。在x维中指定3个箱，在y维中4个箱。

x = [1 1 2 3 2 2 11 1 2 3];Y = [5 6 3 8 9 1 2 7 5 1];nbins = [3 4];[n，xedges，yedges] = histcounts2（x，y，nbins）
n =3×41 0 2 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
打开生活的脚本

将1000对随机数分配到箱子里。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 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
打开生活的脚本

将1000对随机数分配到箱子里。指定正常化作为'可能性'使箱子计数正常化总和(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”那'可能性'）
n =6×6.0 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 =1×7-4.000 -2.7000 -1.4000 -0.1000 1.2000 2.5000 3.8000
Yedges =1×7-4.000 -2.7000 -1.4000 -0.1000 1.2000 2.5000 3.8000
打开生活的脚本

将1,000个随机整数对分布到-10和10之间，进入箱子，并指定BinMethod作为“整数”使用以整数为中心的单位宽度箱。指定五个输出histcounts2返回表示数据的容器位置的向量。

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”那“整数”）;

确定值的哪个bin（x（3），y（3））落入。

[x（3），y（3）]
ans =.1×28 10
bin = [binX(3) binY(3)]
本=1×23 21.

输入参数

全部收缩

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必须有相同的大小。

对应的元素X和y指定X和y二维数据点坐标，[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INF.和-inf.除非BIN边缘明确指定的值INF.或-inf.作为一个宾边缘。

数据类型:单|双|int8|int16|INT32.|int64|uint8|uint16|uint32|uint64|逻辑

每个维度中的箱子数，指定为正标量整数或正整数的二元向量。如果不指定nbins.， 然后histcounts2自动计算基于值的值计算使用多少箱X和y：

  • 如果nbins.那是一个标量histcounts2在每个维度中使用多个箱子。

  • 如果nbins.是一个矢量，然后nbins（1）指定垃圾箱的数量X-dimension和nbins（2）指定垃圾箱的数量y-尺寸。

例子：[N,Xedges,Yedges] = histcounts2(X,Y，[15 20])使用15个垃圾箱X- 在上限和20个垃圾箱y-尺寸。

bin边缘X-dimension，指定为向量。Xedges（1）第一个箱子的第一个边在X维度,Xedges（结束）是最后一个垃圾箱的外边缘。

数据类型:单|双|int8|int16|INT32.|int64|uint8|uint16|uint32|uint64|逻辑

bin边缘y-dimension，指定为向量。Yedges (1)第一个箱子的第一个边在y维度,Yedges(结束)是最后一个垃圾箱的外边缘。

数据类型:单|双|int8|int16|INT32.|int64|uint8|uint16|uint32|uint64|逻辑

名称值对参数

指定可选的逗号分离对名称，价值论点。的名字是参数名称和价值是对应的值。的名字必须出现在引号内。您可以以任何顺序指定多个名称和值对参数name1，value1，...，namen，valuen．

例子：[N Xedges Yedges] = histcounts2 (X, Y,“正常化”,“概率”)标准化垃圾箱计数N，这样总和（n）是1。

Binning算法，指定为此表中的值之一。

价值 描述
'汽车'

默认值'汽车'算法选择箱宽度以覆盖数据范围并揭示底层分布的形状。
'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[3.5 *性病(X(:)) *元素个数(X) ^(1/4), 3.5 *性病(Y(:)) *元素个数(Y) ^ (1/4)．
“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[2 * IQR（x（：））* numel（x）^（ - 1/4），2 * iqr（y（：））* numel（y）^（ - 1/4）],在那里IQR.是四分位数的范围。
“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。它对每个维度使用1的箱宽，并将箱边放在整数之间的中间。

为避免意外创建太多的垃圾箱，您可以使用此规则来创建1024个垃圾箱的限制（210）.如果任意一个维度的数据范围都大于1024，那么整数规则将使用更宽的容器。

histcounts2并不总是使用这些确切配方选择箱数。有时，箱子的数量稍微调整，使得箱边缘落在“不错”的数字上。

例子：[n，xedges，yedges] = histcounts2（x，y，'binmethod'，'整数'）在每对整数上使用以每对整数为中心的2-D箱。

每个维度中的距宽度，指定为正整数的两个元素矢量，[xwidth ywidth]．

如果您指定BinWidth， 然后histcounts2可以使用最多1024个垃圾箱（210）沿着每个维度。如果指定的bin宽度需要更多的垃圾箱，那么histcounts2使用与最大箱数相对应的较大的箱宽度。

例子：[n，xedges，yedges] = histcounts2（x，y，'binwidth'，[5 10]）使用尺寸的箱5.在里面X- 尺寸和尺寸10在里面y-尺寸。

本限制在X-dimension，指定为双元素矢量，[xbmin, xbmax]．矢量表示第一个和最后一个箱边缘X-尺寸。

此选项仅包含符合垃圾箱限制的数据，X > = X < = xbmax xbmin &．

本限制在y-dimension，指定为双元素矢量，[ybmin, ybmax]．矢量表示第一个和最后一个箱边缘y-尺寸。

此选项仅包含符合垃圾箱限制的数据，Y> = YBMIN＆Y <= YBMAX．

标准化类型，指定为此表中的值之一。每个垃圾箱一世：

  • V. 一世 是bin值。

  • C 一世 是容器中元素的数量。

  • 一种 一世 = W. X 一世 ⋅ W. y 一世 每个箱子的面积是用X和ybin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Binned数据南值，或者如果某些数据位于箱子范围之外。

价值 箱子值 笔记
“数”(默认)

V. 一世 = C 一世

  • 观察的计数或频率。

  • 箱子值的总和小于或等于numel（x）和numel（y）．总和小于numel（x）只有当某些输入数据不包含在箱子中时。
“countdensity”

V. 一世 = C 一世 一种 一世

  • 计数或频率按箱子面积缩放。

  • BIN卷的总和（n值*箱区域）小于或等于numel（x）和numel（y）．
“cumcount”

V. 一世 = ∑ j = 1 一世 C j

  • 累计计数。每个箱子值是每个垃圾箱中的累积观测数量和所有先前的垃圾箱X和y方面。

  • n（结束，结束）小于或等于numel（x）和numel（y）．
'可能性'

V. 一世 = C 一世 N

  • 相对概率。

  • 总和(N (:))小于或等于1．
'pdf'

V. 一世 = C 一世 N ⋅ 一种 一世

  • 概率密度函数估计。

  • BIN卷的总和（n值*箱区域）小于或等于1．
“提供”

V. 一世 = ∑ j = 1 一世 C j N

  • 累积密度函数估计。

  • n（结束，结束）小于或等于1．

例子：[N Xedges Yedges] = histcounts2 (X, Y,“正常化”,“pdf”)使用估计的概率密度函数对数据装箱X和y．

输出参数

全部收缩

Bin计数，作为数字数组返回。

用于不同编号的箱子的垃圾箱夹杂项方案N以及他们的相对方向X设在和y设在,

例如,（1,1）Bin包括落在每个维度的第一个边上的值，而右下角的最后一个Bin包括落在其任何边上的值。

bin边缘X-维，作为一个向量返回。Xedges（1）第一个bin边缘在哪里X-dimension和Xedges（结束）是最后一个bin边缘。

bin边缘y-维，作为一个向量返回。Yedges (1)第一个bin边缘在哪里y-dimension和Yedges(结束)是最后一个bin边缘。

本指数X-dimension，返回大小相同的数字数组X．对应的元素宾克斯和一生描述哪个编号的bin中包含相应的值X和y．的值0.在宾克斯或一生表示不属于任何垃圾箱的元素（例如南价值）。

例如,宾克斯（1）和二进制（1）描述价值的垃圾箱[x（1），y（1）]．

本指数y-dimension，返回大小相同的数字数组y．对应的元素宾克斯和一生描述哪个编号的bin中包含相应的值X和y．的值0.在宾克斯或一生表示不属于任何垃圾箱的元素（例如南价值）。

例如,宾克斯（1）和二进制（1）描述价值的垃圾箱[x（1），y（1）]．

扩展功能

也可以看看

|||||

介绍了R2015b

MATLAB的文档

万博1manbetx

与Matlab引入深度学习

与Matlab引入深度学习

下载电子书