mindspore.numpy.histogram2d

mindspore.numpy.histogram2d(x, y, bins=10, range=None, weights=None, density=False)

计算数据的二维直方图。

说明

不支持已弃用的NumPy参数 normed 。

参数：

• x (Union[list, tuple, Tensor]) - 一个shape为(N,)的数组，包含要进行直方图统计的点的x坐标。

• y (Union[list, tuple, Tensor]) - 一个shape为(N,)的数组，包含要进行直方图统计的点的y坐标。

• bins (Union[int, tuple, list], 可选) - 桶的规格：如果为int，为两个维度指定桶的数量 (nx=ny=bins) 。如果为array_like，指定两个维度的桶的边界 (x_edges=y_edges=bins) 。 如果为[int, int]，指定每个维度的桶的数量 (nx, ny = bins) 。 如果为[array, array]，指定每个维度的桶的边界 (x_edges, y_edges = bins) 。 如果为组合[int, array]或[array, int]，其中int是桶的数量，array是桶的边界。默认值： 10 。

• range (Union[list, tuple], 可选) - shape为(2, 2)的数组，指定每个维度的桶的最左和最右边界(如果在 bins 参数中没有明确指定)： [[xmin, xmax], [ymin, ymax]] 。 范围之外的所有值都将被视为异常值，不计入直方图。默认值： None 。

• weights (Union[list, tuple, Tensor], 可选) - 一个shape为 (N,) 的数组，包含每个样本 (x_i, y_i) 的权重 w_i 。默认值： None 。

• density (boolean, 可选) - 如果为False，默认返回每个桶中的样本计数。 如果为True，则返回桶位置处的概率密度函数值， bin_count / sample_count / bin_volume 。默认值： False 。

返回：

(Tensor, Tensor, Tensor)，双向直方图的值及其在第一和第二维度上的桶的边界。

异常：

• ValueError - 如果 range 的size不等于样本数量。

支持平台：

Ascend GPU CPU

样例：

>>> from mindspore import numpy as np
>>> x = np.arange(5)
>>> y = np.arange(2, 7)
>>> print(np.histogram2d(x, y, bins=(2, 3)))
(Tensor(shape=[2, 3], dtype=Float32, value=
[[ 2.00000000e+00,  0.00000000e+00,  0.00000000e+00],
[ 0.00000000e+00,  1.00000000e+00,  2.00000000e+00]]),
Tensor(shape=[3], dtype=Float32, value= [ 0.00000000e+00,  2.00000000e+00,  4.00000000e+00]),
Tensor(shape=[4], dtype=Float32, value=
[ 2.00000000e+00,  3.33333349e+00,  4.66666698e+00,  6.00000000e+00]))