jax.numpy.histogram2d

内容

jax.numpy.histogram2d#

jax.numpy.histogram2d(x, y, bins=10, range=None, weights=None, density=None)[source]#

计算两个数据样本的二维直方图。

LAX 后端实现 numpy.histogram2d().

原始文档字符串如下。

参数:

  • x (array_like, shape (N,)) – 数组，包含要直方图化的点的 x 坐标。

  • y (array_like, shape (N,)) – 数组，包含要直方图化的点的 y 坐标。

  • bins (int or array_like or [int, int] or [array, array], optional) –

    垃圾箱规范

    • 如果为 int，则表示两个维度的垃圾箱数量（nx=ny=bins）。

    • 如果为 array_like，则表示两个维度的垃圾箱边缘（x_edges=y_edges=bins）。

    • 如果为 [int, int]，则表示每个维度的垃圾箱数量（nx, ny = bins）。

    • 如果为 [array, array]，则表示每个维度的垃圾箱边缘（x_edges, y_edges = bins）。

    • 组合 [int, array] 或 [array, int]，其中 int 表示垃圾箱数量，array 表示垃圾箱边缘。

  • range (array_like, shape(2,2), 可选) – 沿每个维度垃圾箱的左边界和右边界（如果在 bins 参数中未明确指定）： [[xmin, xmax], [ymin, ymax]]。所有超出此范围的值将被视为异常值，不会在直方图中统计。

  • density (bool, 可选) – 如果为 False，则为默认值，返回每个垃圾箱中的样本数量。如果为 True，则返回垃圾箱处的概率密度函数， bin_count / sample_count / bin_area。

  • weights (array_like, shape(N,), 可选) – 一组 w_i 值，用于对每个样本 (x_i, y_i) 进行加权。如果 density 为 True，权重将被归一化为 1。如果 density 为 False，返回直方图的值将等于落在每个垃圾箱中的样本的权重总和。

返回值:

  • H (ndarray, shape(nx, ny)) – 样本 x 和 y 的二维直方图。 x 中的值沿第一维进行直方图化， y 中的值沿第二维进行直方图化。

  • xedges (ndarray, shape(nx+1,)) – 沿第一维的垃圾箱边缘。

  • yedges (ndarray, shape(ny+1,)) – 沿第二维的垃圾箱边缘。

返回类型:

tuple[Array, Array, Array]

内容