jax.numpy.histogramdd

内容

jax.numpy.histogramdd#

jax.numpy.histogramdd(sample, bins=10, range=None, weights=None, density=None)[source]#

计算一些数据的多维直方图。

LAX 后端实现 numpy.histogramdd().

原始文档字符串如下。

参数:

  • sample ((N, D) array, or (N, D) array_like) –

    要进行直方图统计的数据。

    请注意，当 array_like 时，对 sample 的解释不寻常

    • 当为数组时，每一行都是 D 维空间中的坐标 - 例如 histogramdd(np.array([p1, p2, p3]))。

    • 当为 array_like 时，每个元素都是单个坐标的值列表 - 例如 histogramdd((X, Y, Z))。

    应优先使用第一种形式。

  • bins (sequence or int, optional) –

    bin 规范

    • 一组数组，描述沿每个维度单调递增的 bin 边界。

    • 每个维度的 bin 数量（nx, ny, … =bins）

    • 所有维度的 bin 数量（nx=ny=…=bins）。

  • 范围 (序列, 可选) – 长度为 D 的序列，每个序列都是一个可选的 (下限, 上限) 元组，用于指定外边框，如果边框未在 bins 中显式给出。序列中为 None 的项会导致使用最小值和最大值作为对应维度的边框。默认值 None 等效于传递 D 个 None 值的元组。

  • 密度 (布尔值, 可选) – 如果为 False，则为默认值，返回每个 bin 中的样本数量。如果为 True，则返回 bin 的概率密度函数，bin_count / sample_count / bin_volume。

  • 权重 ((N,) 类数组, 可选) – 一个包含值 w_i 的数组，用于对每个样本 (x_i, y_i, z_i, …) 进行加权。如果 density 为 True，则权重被归一化为 1。如果 density 为 False，则返回直方图的值等于落在每个 bin 中的样本的权重之和。

返回值:

  • H (ndarray) – 样本 x 的多维直方图。有关不同可能的语义，请参阅 density 和 weights。

  • 边框 (ndarray 元组) – 描述每个维度 bin 边框的 D 个数组元组。

返回类型:

元组[数组, 列表[数组]]

内容