cupy.histogramdd#

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

计算某些数据的多维直方图。

参数:

  • sample (cupy.ndarray) – 要进行直方图统计的数据。(N, D) 或 (D, N) 数组 注意当样本为 array_like 时的不寻常解释： * 当为数组时，每一行是一个 D 维空间中的坐标 - 例如 histogramdd(cupy.array([p1, p2, p3]))。 * 当为 array_like 时，每个元素是单个坐标的值列表 - 例如 histogramdd((X, Y, Z))。

  • bins (int or tuple of int or cupy.ndarray) – bin 规范： * 描述沿每个维度单调递增的 bin 边缘的数组序列。 * 每个维度的 bin 数量（nx, ny, … =bins） * 所有维度的 bin 数量（nx=ny=…=bins）。

  • range (sequence, optional) – 长度为 D 的序列，每个序列是一个可选的 (下限, 上限) 元组，给出在 bins 中未明确给出边缘时要使用的外部箱边缘。序列中的 None 条目会导致相应维度的最小值和最大值被使用。默认值 None 等同于传递一个包含 D 个 None 值的元组。

  • weights (cupy.ndarray) – 一组值 w_i 用于加权每个样本 (x_i, y_i, z_i, …)。返回的直方图的值等于落入每个箱子的样本的权重之和。

  • density (bool, optional) – 如果为 False ，默认情况下，返回每个箱子中的样本数量。如果为 True ，则返回箱子处的概率 密度 函数，bin_count / sample_count / bin_volume。

返回:

H (cupy.ndarray): 样本 x 的多维直方图。请参阅 normed 和 weights 以了解不同的可能语义。edges (list of cupy.ndarray): 描述每个维度 bin 边缘的 D 数组列表。

返回类型:

tuple

警告

此功能可能会同步设备。

参见

numpy.histogramdd()