mindspore.numpy.histogramdd

mindspore.numpy.histogramdd(sample, bins=10, range=None, weights=None, density=False)[源代码]

计算数据的多维直方图。

说明

不支持已弃用的NumPy参数 normed 。

参数：

  • sample (Union[list, tuple, Tensor]) - 要进行直方图统计的数据，可以是 (N, D) 数组，或者 (D, N) 的类数组。 注意当使用类数组为样本的非常规解释：当样本数组时，每行是D维空间中的一个坐标，例如 histogramdd(np.array([p1, p2, p3])) 。 当样本为类数组时，每个元素是单一坐标系的值列表，如 histogramdd((X, Y, Z)) 。 应优先考虑第一种形式。

  • bins (Union[int, tuple, list], 可选) - 桶的规格： 一个数组序列用于描述沿每个维度单调递增的桶的边界。 每个维度的桶的数量 (nx, ny, ... =bins) 。 所有维度的桶的数量 (nx=ny...=bins) 。默认值： 10 。

  • range (Union[list, tuple], 可选) - 长度为D的序列，每个维度可以选择一个 (lower, upper) tuple来指定桶的外边界，如果边界在 bins 没有特别给出。 序列中的None项意味着其对应维度使用最小值和最大值。 默认值None相当于给 D 中Tuple传递None值。默认值： None 。

  • weights (Union[list, tuple, Tensor], 可选) - 一个shape为 (N,) 的数组，其中的值 w_i 表示每个样本的权重 (x_i, y_i, z_i, …) 。默认值： None 。

  • density (boolean, 可选) - 如果为 False（默认值），则返回每个区间中的样本数量。如果为 True，则返回该区间的概率密度函数 bin_count / sample_count / bin_volume 。 默认值： False 。

返回：

Tensor, 元素为Tensor的list， 直方图的值和桶边界。

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
>>> sample = np.arange(15).reshape(5, 3)
>>> print(sample)
[[ 0  1  2]
[ 3  4  5]
[ 6  7  8]
[ 9 10 11]
[12 13 14]]
>>> print(np.histogramdd(sample, bins=(2, 3, 4)))
(Tensor(shape=[2, 3, 4], dtype=Float32, value=
[[[ 1.00000000e+00,  1.00000000e+00,  0.00000000e+00,  0.00000000e+00],
[ 0.00000000e+00,  0.00000000e+00,  0.00000000e+00,  0.00000000e+00],
[ 0.00000000e+00,  0.00000000e+00,  0.00000000e+00,  0.00000000e+00]],
[[ 0.00000000e+00,  0.00000000e+00,  0.00000000e+00,  0.00000000e+00],
[ 0.00000000e+00,  0.00000000e+00,  1.00000000e+00,  0.00000000e+00],
[ 0.00000000e+00,  0.00000000e+00,  0.00000000e+00,  2.00000000e+00]]]),
[Tensor(shape=[3], dtype=Float32, value= [ 0.00000000e+00,  6.00000000e+00,  1.20000000e+01]),
Tensor(shape=[4], dtype=Float32, value=
[ 1.00000000e+00,  5.00000000e+00,  9.00000000e+00,  1.30000000e+01]),
Tensor(shape=[5], dtype=Float32, value=
[ 2.00000000e+00,  5.00000000e+00,  8.00000000e+00,  1.10000000e+01,  1.40000000e+01])])