histcounts2

Количество интервалов двумерной гистограммы

Описание

пример

[N,Xedges,Yedges] = histcounts2(X,Y) делит значения в X и Y в 2D интервалы, и возвращает количество интервалов, а также границы интервала в каждой размерности. histcounts2 функционируйте использует автоматический алгоритм раскладывания, который возвращает универсальные интервалы, выбранные, чтобы покрыть область значений значений в X и Y и покажите базовую форму распределения.

пример

[N,Xedges,Yedges] = histcounts2(X,Y,nbins) задает количество интервалов, чтобы использовать в каждой размерности.

пример

[N,Xedges,Yedges] = histcounts2(X,Y,Xedges,Yedges) разделы X и Y в интервалы с границами интервала, заданными Xedges и Yedges.

N(i,j) считает значение [X(k),Y(k)] если Xedges(i)X(k) <Xedges(i+1) и Yedges(j)Y(k) <Yedges(j+1). Последние интервалы в каждой размерности также включают последнее (внешнее) ребро. Например, [X(k),Y(k)] попадает в iинтервал th в последней строке, если Xedges(end-1)X(k)Xedges(end) и Yedges(i)Y(k) <Yedges(i+1).

пример

[N,Xedges,Yedges] = histcounts2(___,Name,Value) дополнительные опции использования заданы одним или несколькими Name,Value парные аргументы с помощью любого из входных параметров в предыдущих синтаксисах. Например, можно задать 'BinWidth' и двухэлементный вектор, чтобы настроить ширину интервалов в каждой размерности.

пример

[N,Xedges,Yedges,binX,binY] = histcounts2(___) также возвращает массивы индекса binX и binY, использование любого из предыдущих синтаксисов. binX и binY массивы одного размера с X и Y чьими элементами являются индексы интервала для соответствующих элементов в X и Y. Число элементов в (i,j)интервал th равен nnz(binX==i & binY==j), который совпадает с N(i,j) если Normalization 'count'.

Примеры

свернуть все

Распределите 100 пар случайных чисел в интервалы. histcounts2 автоматически выбирает соответствующую ширину интервала, чтобы показать базовое распределение данных.

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     1     1
     0     0     1     2     0     0
     0     0     1     0     1     0

Xedges = 1×8

    -3    -2    -1     0     1     2     3     4

Yedges = 1×7

    -3    -2    -1     0     1     2     3

Распределите 10 пар чисел в 12 интервалов. Задайте 3 интервала в x-размерности и 4 интервала в y-размерности.

x = [1 1 2 3 2 2 1 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 = 3×4

     1     0     2     1
     1     1     1     1
     1     0     0     1

Xedges = 1×4

    0.6000    1.4000    2.2000    3.0000

Yedges = 1×5

         0    2.3000    4.6000    6.9000    9.2000

Распределите 1 000 пар случайных чисел в интервалы. Задайте границы интервала с двумя векторами: один каждый для размерностей X и Y. Первый элемент в каждом векторе задает первое ребро первого интервала, и последним элементом является последнее ребро последнего интервала.

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 = 10×10

     0     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    23    29    25    26    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     5     3     2     8     2     2     0     0
     0     0     0     1     1     1     0     0     0     0
     0     0     0     0     0     0     0     0     0     0

Распределите 1 000 пар случайных чисел в интервалы. Задайте Normalization как 'probability' нормировать количество интервалов, таким образом что sum(N(:)) 1. Таким образом, каждое количество интервала представляет вероятность, что наблюдение находится в пределах того интервала.

x = randn(1000,1);
y = randn(1000,1);
[N,Xedges,Yedges] = histcounts2(x,y,6,'Normalization','probability')
N = 6×6

         0         0    0.0020    0.0020         0         0
         0    0.0110    0.0320    0.0260    0.0070    0.0010
    0.0010    0.0260    0.1410    0.1750    0.0430    0.0060
         0    0.0360    0.1620    0.1940    0.0370    0.0040
         0    0.0040    0.0300    0.0370    0.0100    0.0010
         0    0.0030    0.0040    0.0040    0.0010         0

Xedges = 1×7

   -4.0000   -2.7000   -1.4000   -0.1000    1.2000    2.5000    3.8000

Yedges = 1×7

   -4.0000   -2.7000   -1.4000   -0.1000    1.2000    2.5000    3.8000

Распределите 1 000 случайных целочисленных пар между-10 и 10 в интервалы и задайте BinMethod как 'integers' использовать интервалы модульной ширины, сосредоточенные на целых числах. Задайте пять выходных параметров для histcounts2 возвратить векторы, представляющие размещение интервала данных.

x = randi([-10,10],1000,1);
y = randi([-10,10],1000,1);
[N,Xedges,Yedges,binX,binY] = histcounts2(x,y,'BinMethod','integers');

Определите который интервал значение (x(3),y(3)) падения в.

[x(3),y(3)]
ans = 1×2

    -8    10

bin = [binX(3) binY(3)]
bin = 1×2

     3    21

Входные параметры

свернуть все

Данные, чтобы распределить среди интервалов в виде отдельных аргументов векторов, матриц или многомерных массивов. X и Y должен иметь тот же размер.

Соответствующие элементы в X и Y задайте x и координаты y точек 2D данных, [X(k),Y(k)]. Типы данных X и Y может отличаться.

histcounts2 игнорирует весь NaN значения. Точно так же histcounts2 игнорирует Inf и -Inf значения, если границы интервала явным образом не задают Inf или -Inf как граница интервала.

Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | logical

Количество интервалов в каждой размерности в виде положительного скалярного целого числа или двухэлементного вектора из положительных целых чисел. Если вы не задаете nbins, затем histcounts2 автоматически вычисляет сколько интервалов, чтобы использовать на основе значений в X и Y:

  • Если nbins скаляр, затем histcounts2 использование, что много интервалов в каждой размерности.

  • Если nbins вектор, затем nbins(1) задает количество интервалов в x - размерность и nbins(2) задает количество интервалов в y - размерность.

Пример: [N,Xedges,Yedges] = histcounts2(X,Y,[15 20]) использование 15 интервалов в x- размерность и 20 интервалов в y- размерность.

Границы интервала в x - размерность в виде вектора. Xedges(1) первое ребро первого интервала в x - размерность и Xedges(end) внешний край последнего интервала.

Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | logical

Границы интервала в y - размерность в виде вектора. Yedges(1) первое ребро первого интервала в y - размерность и Yedges(end) внешний край последнего интервала.

Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | logical

Аргументы name-value

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Пример: [N,Xedges,Yedges] = histcounts2(X,Y,'Normalization','probability') нормирует количество интервалов в N, таким образом, что sum(N) 1.

Алгоритм раскладывания в виде одного из значений в этой таблице.

ЗначениеОписание
'auto'

'auto' по умолчанию алгоритм выбирает, ширина интервала, чтобы покрыть данные располагаются и показывают форму базового распределения.

'scott'

Правило Скотта оптимально, если данные близко к тому, чтобы быть совместно нормально распределенным. Это правило подходит для большинства других распределений, также. Это использует размер интервала [3.5*std(X(:))*numel(X)^(-1/4), 3.5*std(Y(:))*numel(Y)^(-1/4)].

'fd'

Правило Фридмена—Диакониса менее чувствительно к выбросам в данных и может более подойти для данных с распределениями с тяжелым хвостом. Это использует размер интервала [2*IQR(X(:))*numel(X)^(-1/4), 2*IQR(Y(:))*numel(Y)^(-1/4)], где IQR межквартильный размах.

'integers'

Целочисленное правило полезно с целочисленными данными, когда это создает интервалы, сосредоточенные на парах целых чисел. Это использует ширину интервала 1 для каждой размерности и помещает границы интервала на полпути между целыми числами.

Чтобы постараться не случайно создавать слишком много интервалов, можно использовать это правило, чтобы создать предел 1 024 интервалов (210). Если область значений данных для любой размерности больше 1024, то целочисленное правило использует более широкие интервалы вместо этого.

histcounts2 не всегда выбирает количество интервалов с помощью этих точных формул. Иногда количество интервалов настроено немного так, чтобы границы интервала упали на "хорошие" числа.

Пример: [N,Xedges,Yedges] = histcounts2(X,Y,'BinMethod','integers') использует 2D интервалы, сосредоточенные на каждой паре целых чисел.

Ширина интервалов в каждой размерности в виде двухэлементного вектора из положительных целых чисел, [xWidth yWidth].

Если вы задаете BinWidthто histcounts2 может использовать максимум 1 024 интервалов (210) по каждому измерению. Если заданная ширина интервала требует большего количества интервалов, то histcounts2 использует большую ширину интервала, соответствующую максимальному количеству интервалов.

Пример: [N,Xedges,Yedges] = histcounts2(X,Y,'BinWidth',[5 10]) интервалы использования с размером 5 в x- размерность и размер 10 в y- размерность.

Интервал ограничивает в x - размерность в виде двухэлементного вектора, [xbmin,xbmax]. Вектор указывает на первые и последние границы интервала в x - размерность.

Эта опция только данные об интервалах, которые находятся в пределах пределов интервала включительно, X>=xbmin & X<=xbmax.

Интервал ограничивает в y - размерность в виде двухэлементного вектора, [ybmin,ybmax]. Вектор указывает на первые и последние границы интервала в y - размерность.

Эта опция только данные об интервалах, которые находятся в пределах пределов интервала включительно, Y>=ybmin & Y<=ybmax.

Тип нормализации в виде одного из значений в этой таблице. Для каждого интервала i:

  • vi значение интервала.

  • ci число элементов в интервале.

  • Ai=wxiwyi область каждого интервала, вычисленное использование x и ширин интервала y.

  • N число элементов во входных данных. Это значение может быть больше сгруппированных данных, если данные содержат NaN значения, или если некоторые данные находятся вне пределов интервала.

ЗначениеЗначения интервалаПримечания
'count' (значение по умолчанию)

vi=ci

  • Количество или частота наблюдений.

  • Сумма значений интервала меньше чем или равна numel(X) и numel(y). Сумма меньше numel(X) только, когда некоторые входные данные не включены в интервалы.

'countdensity'

vi=ciAi

  • Количество или частота, масштабируемая областью интервала.

  • Сумма объемов интервала, (N значение * область интервала), меньше чем или равна numel(X) и numel(Y).

'cumcount'

vi=j=1icj

  • Совокупное количество. Каждое значение интервала является совокупным числом наблюдений в каждом интервале и всех предыдущих интервалах и в x и в размерностях y.

  • N(end,end) меньше чем или равно numel(X) и numel(Y).

'probability'

vi=ciN

  • Относительная вероятность.

  • sum(N(:)) меньше чем или равно 1.

'pdf'

vi=ciNAi

  • Оценка функции плотности вероятности.

  • Сумма объемов интервала, (N значение * область интервала), меньше чем или равна 1.

'cdf'

vi=j=1icjN

  • Совокупная оценка функции плотности.

  • N(end,end) меньше чем или равно 1.

Пример: [N,Xedges,Yedges] = histcounts2(X,Y,'Normalization','pdf') интервалы данные с помощью функции плотности вероятности оценивают для X и Y.

Выходные аргументы

свернуть все

Количество интервалов, возвращенное как числовой массив.

Схема включения интервала различных пронумерованных интервалов в N, а также их относительная ориентация к x - оси и y - ось,

Например, (1,1) интервал включает значения, которые падают на первое ребро в каждой размерности, и последний интервал в правом нижнем включает значения, которые падают на любое из его ребер.

Границы интервала в x - размерность, возвращенная как вектор. Xedges(1) первая граница интервала в x - размерность и Xedges(end) последняя граница интервала.

Границы интервала в y - размерность, возвращенная как вектор. Yedges(1) первая граница интервала в y - размерность и Yedges(end) последняя граница интервала.

Индекс интервала в x - размерность, возвращенная как числовой массив одного размера с X. Соответствующие элементы в binX и binY опишите, который пронумеровал интервал, содержит соответствующие значения в X и Y. Значение 0 в binX или binY указывает на элемент, который не принадлежит ни одному из интервалов (таких как NaN значение.

Например, binX(1) и binY(1) опишите размещение интервала для значения [X(1),Y(1)].

Индекс интервала в y - размерность, возвращенная как числовой массив одного размера с Y. Соответствующие элементы в binX и binY опишите, который пронумеровал интервал, содержит соответствующие значения в X и Y. Значение 0 в binX или binY указывает на элемент, который не принадлежит ни одному из интервалов (таких как NaN значение.

Например, binX(1) и binY(1) опишите размещение интервала для значения [X(1),Y(1)].

Расширенные возможности

Смотрите также

| | | | |

Введенный в R2015b
Для просмотра документации необходимо авторизоваться на сайте