numpy.histogram2d

numpy.histogram2d(x, y, bins=10, range=None, normed=None, weights=None, density=None)[source]

Вычисление двумерной гистограммы двух наборов данных.

Параметры

xarray_like, форма (N,)

Массив, содержащий координаты x точек, которые будут гистограммированы.

yarray_like, форма (N,)

Массив, содержащий координаты y точек, которые будут гистограммированы.

binsint или array_like или [int, int] или [array, array], необязательно

Указание бинов:

• Если int, количество бинов для двух измерений (nx=ny=bins).
• Если array_like, границы бинов для двух измерений (x_edges=y_edges=bins).
• Если [int, int], количество бинов в каждом измерении (nx, ny = bins).
• Если [array, array], границы бинов в каждом измерении (x_edges, y_edges = bins).
• Комбинация [int, array] или [array, int], где int — количество бинов, а array — границы бинов.

rangearray_like, форма(2,2), необязательно

Левая и правая границы бинов по каждому измерению (если не указаны явно в параметрах): bins. Все значения вне этого диапазона будут считаться выбросами и не будут учитываться в гистограмме.

densitybool, необязательно

Если False, по умолчанию, возвращает количество выборок в каждом бине. Если True, возвращает плотность функции вероятности в бине, bin_count / sample_count / bin_area.

normedbool, необязательно

Псевдоним для аргумента density, который ведет себя идентично. Для избежания путаницы с сломанным аргументом normed в histogram, следует предпочесть density.

weightsarray_like, форма(N,), необязательно

Массив значений w_i, взвешивающих каждую выборку (x_i, y_i). Веса нормализуются до 1, если normed равно True. Если normed равно False, значения возвращаемой гистограммы равны сумме весов, принадлежащих выборкам, попадающим в каждый бине.

Возвращает

Hndarray, форма(nx, ny)

Двумерная гистограмма выборок x и y. Значения в x гистограммируются по первому измерению, а значения в y гистограммируются по второму измерению.

xedgesndarray, форма(nx+1,)

Границы бинов по первому измерению.

yedgesndarray, форма(ny+1,)

Границы бинов по второму измерению.

См. также

histogram

1D гистограмма

histogramdd

Многомерная гистограмма

Примечания

Когда normed равно True, возвращаемая гистограмма — плотность выборки, определенная таким образом, что сумма по бинам произведения bin_value * bin_area равна 1.

Обратите внимание, что гистограмма не следует декартовой конвенции, где значения x находятся на абсциссе, а значения y на оси ординат. Вместо этого x гистограммируется по первому измерению массива (вертикаль), а y по второму измерению массива (горизонталь). Это гарантирует совместимость с histogramdd.

Примеры

>>> from matplotlib.image import NonUniformImage
>>> import matplotlib.pyplot as plt

Построим 2-мерную гистограмму с переменной шириной бинов. Сначала определим границы бинов:

>>> xedges = [0, 1, 3, 5]
>>> yedges = [0, 2, 3, 4, 6]

Далее мы создаем гистограмму H со случайным содержанием бинов:

>>> x = np.random.normal(2, 1, 100)
>>> y = np.random.normal(1, 1, 100)
>>> H, xedges, yedges = np.histogram2d(x, y, bins=(xedges, yedges))
>>> # Histogram does not follow Cartesian convention (see Notes),
>>> # therefore transpose H for visualization purposes.
>>> H = H.T

imshow может отображать только квадратные бины:

>>> fig = plt.figure(figsize=(7, 3))
>>> ax = fig.add_subplot(131, title='imshow: square bins')
>>> plt.imshow(H, interpolation='nearest', origin='lower',
...         extent=[xedges[0], xedges[-1], yedges[0], yedges[-1]])
<matplotlib.image.AxesImage object at 0x...>

pcolormesh может отображать фактические границы:

>>> ax = fig.add_subplot(132, title='pcolormesh: actual edges',
...         aspect='equal')
>>> X, Y = np.meshgrid(xedges, yedges)
>>> ax.pcolormesh(X, Y, H)
<matplotlib.collections.QuadMesh object at 0x...>

NonUniformImage может использоваться для отображения фактических границ бинов с интерполяцией:

>>> ax = fig.add_subplot(133, title='NonUniformImage: interpolated',
...         aspect='equal', xlim=xedges[[0, -1]], ylim=yedges[[0, -1]])
>>> im = NonUniformImage(ax, interpolation='bilinear')
>>> xcenters = (xedges[:-1] + xedges[1:]) / 2
>>> ycenters = (yedges[:-1] + yedges[1:]) / 2
>>> im.set_data(xcenters, ycenters, H)
>>> ax.images.append(im)
>>> plt.show()