jax.numpy.histogramdd

jax.numpy.histogramdd(sample, bins=10, range=None, weights=None, density=None)

計算 N 維直方圖。

JAX 版本的 numpy.histogramdd()。

參數:

• sample (ArrayLike) – 形狀為 (N, D) 的輸入陣列，表示 D 維空間中的 N 個點。

• bins (ArrayLike | list[ArrayLike]) – 指定直方圖每個維度的 bin 數量。（預設值：10）。也可以是長度為 D 的整數序列或 bin 邊緣陣列。

• range (Sequence[None | Array | Sequence[ArrayLike]] | None | None) – 長度為 D 的配對序列，指定每個維度的範圍。如果未指定，則範圍從資料推斷。

• weights (ArrayLike | None | None) – 可選的形狀為 (N,) 的陣列，指定資料點的權重。應與 sample 的形狀相同。如果未指定，則每個資料點的權重均等。

• density (bool | None | None) – 如果為 True，則傳回單位體積計數的標準化直方圖。如果為 False（預設值），則傳回每個 bin 的（加權）計數。

傳回值:

陣列元組 (histogram, bin_edges)，其中 histogram 包含聚合資料，而 bin_edges 指定 bin 的邊界。

傳回型別:

tuple[Array, list[Array]]

另請參閱

• jax.numpy.histogram()：計算一維陣列的直方圖。

• jax.numpy.histogram2d()：計算二維陣列的直方圖。

• jax.numpy.histogram_bin_edges()：計算直方圖的 bin 邊緣。

範例

三個維度中 100 個點的直方圖

>>> key = jax.random.key(42)
>>> a = jax.random.normal(key, (100, 3))
>>> counts, bin_edges = jnp.histogramdd(a, bins=6,
...                                     range=[(-3, 3), (-3, 3), (-3, 3)])
>>> counts.shape
(6, 6, 6)
>>> bin_edges  
[Array([-3., -2., -1.,  0.,  1.,  2.,  3.], dtype=float32),
 Array([-3., -2., -1.,  0.,  1.,  2.,  3.], dtype=float32),
 Array([-3., -2., -1.,  0.,  1.,  2.,  3.], dtype=float32)]

使用 density=True 傳回標準化直方圖

>>> density, bin_edges = jnp.histogramdd(a, density=True)
>>> bin_widths = map(jnp.diff, bin_edges)
>>> dx, dy, dz = jnp.meshgrid(*bin_widths, indexing='ij')
>>> normed = jnp.sum(density * dx * dy * dz)
>>> jnp.allclose(normed, 1.0)
Array(True, dtype=bool)