柱状图
直方图的阴谋
描述
直方图是一种用于数值数据的条形图,它将数据分组到容器中。创建一个柱状图
对象,您可以通过更改其属性值来修改直方图的各个方面。这对于快速修改容器的属性或更改显示非常有用。
创建
语法
描述
柱状图(
的直方图X
)X
.的柱状图
函数使用自动分箱算法,该算法返回宽度一致的分箱,选择该分箱以覆盖中的元素的范围X
揭示了分布的基本形状。柱状图
将容器显示为矩形,以便每个矩形的高度指示容器中元素的数量。
输入参数
X
- - - - - -要分配到不同箱中的数据
向量|矩阵|多维数组
要分布在容器之间的数据,指定为向量、矩阵或多维数组。如果X
不是向量吗柱状图
把它当作一个列向量,X (:)
,并绘制单个直方图。
柱状图
忽略所有南
而且NaT
值。同样的,柱状图
忽略了正
而且负
值,除非bin边显式指定正
或负
作为一个bin edge。虽然南
,NaT
,正
,负
通常不绘制值,它们仍然包含在包含数据元素总数的归一化计算中,例如“概率”
.
请注意
如果X
包含类型为int64
或uint64
它们比flintmax
,那么建议显式指定直方图bin边。柱状图
使用双精度自动收纳输入数据,对于大于的数字缺乏整数精度flintmax
.
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
|逻辑
|datetime
|持续时间
C
- - - - - -分类数据
分类数组
类别数据,指定为类别数组。柱状图
不绘制未定义的分类值。但是,未定义的分类值仍然包含在包含数据元素总数的归一化计算中,例如“概率”
.
数据类型:分类
nbins
- - - - - -数量的垃圾箱
正整数
箱数,指定为正整数。如果不指定nbins
,然后柱状图
中的值自动计算要使用多少个容器X
.
例子:直方图(X, 15)
创建一个包含15个箱子的直方图。
边缘
- - - - - -本边缘
向量
Bin边,指定为一个向量。边(1)
左边是第一个箱子,和边(结束)
是最后一个垃圾桶的右边。
的值X(我)
是在k
th本如果边(k)
≤X(我)
<边(k + 1)
.最后一个bin还包括右bin边,因此它包含X(我)
如果边(end-1)
≤X(我)
≤边(结束)
.
对于datetime和duration数据,边缘
必须是按单调递增顺序的日期时间或持续时间向量。
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
|逻辑
|datetime
|持续时间
类别
- - - - - -直方图中包含的类别
字符向量的单元格数组|分类数组|字符串数组|模式
标量
请注意
此选项仅适用于分类直方图。
直方图中包含的类别,指定为字符向量的单元格数组、类别数组、字符串数组或模式
标量。
如果指定输入类别数组
C
,则默认为,柱状图
中的每个类别绘制条C
.在这种情况下,使用类别
来指定类别的唯一子集。如果指定了垃圾箱计数,则
类别
指定直方图的关联类别名称。
例子:h =直方图(C,{“大”、“小”})
只绘制类别中的类别数据“大”
而且“小”
.
例子:直方图(C,“Y”+ wildcardPattern)
绘制名称以字母开头的类别中的数据Y
.
例子:直方图(“类别”,{‘是的’,‘不’,‘也许’},“BinCounts”,[22 18 3])
绘制一个直方图,该直方图包含三个类别和相关的bin计数。
例子:h.Categories
查询直方图对象中的类别h
.
数据类型:细胞
|分类
|字符串
|模式
计数
- - - - - -本计算
向量
Bin计数,指定为一个向量。使用此输入将bin计数传递给柱状图
当箱计数计算单独执行时,您不希望柱状图
进行任何数据分类。
的长度计数
必须等于箱子的数量。
对于数字直方图,箱的数量为
长度(边缘)1
.对于分类直方图,箱的数量等于类别的数量。
例子:直方图('BinEdges',-2:2,'BinCounts',[5 8 15 9])
例子:直方图(“类别”,{‘是的’,‘不’,‘也许’},“BinCounts”,[22 18 3])
斧头
- - - - - -目标轴
轴
对象|PolarAxes
对象
目标轴,指定为轴
对象或一个PolarAxes
对象。如果不指定轴且当前轴为笛卡尔轴,则柱状图
函数使用当前轴(gca
).要在极轴上绘图,请指定PolarAxes
对象作为第一个输入参数,或使用polarhistogram
函数。
指定可选参数对为Name1 = Value1,…,以=家
,在那里的名字
参数名称和价值
对应的值。名-值参数必须出现在其他参数之后,但对的顺序并不重要。
在R2021a之前,名称和值之间用逗号隔开,并括起来的名字
在报价。
例子:直方图(X, BinWidth, 5)
这里列出的直方图属性只是一个子集。有关完整列表,请参见直方图特性.
BarWidth
- - - - - -分类条的相对宽度
0.9
(默认)|标量范围内[0, 1]
请注意
此选项仅适用于分类数据的直方图。
分类条的相对宽度,指定为范围中的标量值[0, 1]
.使用此属性可控制直方图内类别条的分离。默认值为0.9
,这意味着条宽是前一个条到下一个条之间的90%的空间,每条边都有5%的空间。
如果将此属性设置为1
,然后相邻的酒吧接触。
例子:0.5
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
BinLimits
- - - - - -本限制
双元素向量
Bin极限,指定为双元素向量,[bmin, bmax]
.这个选项使用输入数组中的值绘制一个直方图,X
,介于bmin
而且bmax
包容性。也就是说,X (X > = bmin & < = bmax)
.
此选项不适用于分类数据的直方图。
例子:直方图(X,“BinLimits”,[1,10])
中的值绘制直方图X
之间的是1
而且10
包容性。
BinLimitsMode
- - - - - -容器限制的选择模式
“汽车”
(默认)|“手动”
容器限制的选择模式,指定为“汽车”
或“手动”
.默认值为“汽车”
,使垃圾箱的限制自动调整到数据。
如果显式指定其中之一BinLimits
或BinEdges
,然后BinLimitsMode
自动设置为“手动”
.在这种情况下,指定BinLimitsMode
作为“汽车”
要重新调整数据的容器限制。
此选项不适用于分类数据的直方图。
BinMethod
- - - - - -装箱算法
“汽车”
(默认)|“斯科特。”
|“fd”
|“整数”
|斯特奇斯的
|“√”
|……
分箱算法,指定为该表中的一个值。
价值 |
描述 |
---|---|
|
默认的 |
|
如果数据接近正态分布,斯科特规则是最优的。此规则也适用于大多数其他发行版。它使用的容器宽度为 |
|
Freedman-Diaconis规则对数据中的异常值不太敏感,可能更适合具有重尾分布的数据。它使用的容器宽度为 |
|
整数规则对于整数数据很有用,因为它为每个整数创建一个bin。它使用bin宽度为1,并将bin边放在整数之间的中间。为了避免意外创建过多的容器,可以使用此规则创建65536个容器的限制(216).如果数据范围大于65536,则整数规则使用更宽的容器。 请注意
|
|
斯特奇斯法则因其简单而广受欢迎。它选择箱子的数量 |
|
平方根规则在其他软件包中被广泛使用。它选择箱子的数量 |
柱状图
并不总是使用这些精确公式来选择箱子的数量。有时箱的数量会稍微调整,以便箱的边缘落在“漂亮”的数字上。
对于datetime数据,bin方法可以是以下时间单位之一:
“第二” |
“月” |
“一分钟” |
“季” |
“小时” |
“年” |
“天” |
“十年” |
“周” |
“世纪” |
对于持续时间数据,bin方法可以是以下时间单位之一:
“第二” |
“天” |
“一分钟” |
“年” |
“小时” |
如果您指定BinMethod
那么,使用datetime或duration数据柱状图
最多可使用65,536个垃圾桶(或2个16).如果指定的容器持续时间需要更多的容器,则柱状图
使用与最大箱数对应的较大的箱宽。
此选项不适用于分类数据的直方图。
请注意
如果你设置BinLimits
,NumBins
,BinEdges
,或BinWidth
财产,那么BinMethod
属性设置为“手动”
.
例子:直方图(X,“BinMethod”、“整数”)
创建一个以整数为中心的直方图。
BinWidth
- - - - - -箱子的宽度
标量
容器的宽度,指定为一个标量。当你指定BinWidth
,然后柱状图
最多可使用65,536个垃圾桶(或216).如果指定的容器宽度需要更多的容器,则柱状图
使用与最大箱数对应的较大的箱宽。
对于datetime和duration数据,的值“BinWidth”
可以是标量持续时间或日历持续时间。
此选项不适用于分类数据的直方图。
例子:直方图(X, BinWidth, 5)
使用宽度为5的容器。
DisplayOrder
- - - - - -目录显示顺序
“数据”
(默认)|“提升”
|“下”
类别显示顺序,指定为“提升”
,“下”
,或“数据”
.与“提升”
或“下”
,直方图随柱高的增加或减少而显示。默认的“数据”
值使用输入数据中的类别顺序,C
.
此选项仅适用于分类数据。
DisplayStyle
- - - - - -直方图显示风格
“酒吧”
(默认)|“楼梯”
直方图显示样式,指定为任意一种“酒吧”
或“楼梯”
.指定“楼梯”
显示阶梯图,它显示直方图的轮廓,而不填充内部。
的默认值。“酒吧”
显示直方图柱状图。
例子:直方图(X,“DisplayStyle”、“楼梯”)
绘制直方图的轮廓。
EdgeAlpha
- - - - - -直方图条边的透明度
1
(默认)|标量值之间0
而且1
包容
直方图条边的透明度,指定为之间的标量值0
而且1
包容性。的值1
意思是完全不透明的0
意思是完全透明(不可见)。
例子:直方图(X, EdgeAlpha, 0.5)
创建带有半透明条边的直方图。
EdgeColor
- - - - - -直方图边缘颜色
(0 0 0)
或黑色(默认)|“没有”
|“汽车”
|RGB值|十六进制颜色代码|颜色名称
直方图边缘颜色,指定为以下值之一:
“没有”
-没有绘制边缘。“汽车”
-每条边的颜色是自动选择的。RGB三元组、十六进制颜色编码或颜色名称-边使用指定的颜色。
RGB三联色和十六进制色码用于指定自定义颜色。
RGB三元组是一个三元素行向量,其元素指定颜色的红、绿、蓝成分的强度。强度必须在这个范围内
[0, 1]
;例如,(0.4 0.6 0.7)
.十六进制颜色码是字符向量或以散列符号(
#
)之后是三个或六个十六进制数字,取值范围从0
来F
.这些值不区分大小写。因此,颜色编码“# FF8800”
,“# ff8800”
,“# F80”
,“# f80”
是等价的。
或者,您也可以通过名称指定一些常用颜色。该表列出了已命名的颜色选项、等效的RGB三组和十六进制颜色编码。
颜色名称 短名称 RGB值 十六进制颜色代码 外观 “红色”
“r”
(1 0 0)
“# FF0000”
“绿色”
“g”
(0 1 0)
“# 00 ff00”
“蓝色”
“b”
(0 0 1)
“# 0000 ff”
“青色”
“c”
(0 1 1)
“# 00飞行符”
“红色”
“m”
(1 0 1)
“#”就
“黄色”
“y”
(1 1 0)
“# FFFF00”
“黑色”
“k”
(0 0 0)
“000000 #”
“白色”
“w”
(1 1 1)
“# FFFFFF”
这里是RGB三组和十六进制颜色编码的默认颜色MATLAB®在许多类型的情节中使用。
RGB值 十六进制颜色代码 外观 [0 0.4470 - 0.7410)
“# 0072 bd”
(0.8500 0.3250 0.0980)
“# D95319”
(0.9290 0.6940 0.1250)
“# EDB120”
(0.4940 0.1840 0.5560)
“# 7 e2f8e”
(0.4660 0.6740 0.1880)
“# 77 ac30”
(0.3010 0.7450 0.9330)
“# 4 dbeee”
(0.6350 0.0780 0.1840)
“# A2142F”
例子:直方图(X,‘EdgeColor’,‘r’)
创建带有红色条边的直方图。
FaceAlpha
- - - - - -直方图条的透明度
0.6
(默认)|标量值之间0
而且1
包容
直方图条的透明度,指定为之间的标量值0
而且1
包容性。柱状图
对直方图的所有柱状图使用相同的透明度。的值1
意思是完全不透明的0
意思是完全透明(不可见)。
例子:直方图(X ' FaceAlpha ', 1)
创建带有完全不透明条的直方图。
FaceColor
- - - - - -直方图条颜色
“汽车”
(默认)|“没有”
|RGB值|十六进制颜色代码|颜色名称
直方图栏颜色,指定为以下值之一:
“没有”
-酒吧没有满。“汽车”
-直方图栏颜色自动选择(默认)。RGB三元组、十六进制颜色代码或颜色名称——条形图用指定的颜色填充。
RGB三联色和十六进制色码用于指定自定义颜色。
RGB三元组是一个三元素行向量,其元素指定颜色的红、绿、蓝成分的强度。强度必须在这个范围内
[0, 1]
;例如,(0.4 0.6 0.7)
.十六进制颜色码是字符向量或以散列符号(
#
)之后是三个或六个十六进制数字,取值范围从0
来F
.这些值不区分大小写。因此,颜色编码“# FF8800”
,“# ff8800”
,“# F80”
,“# f80”
是等价的。
或者,您也可以通过名称指定一些常用颜色。该表列出了已命名的颜色选项、等效的RGB三组和十六进制颜色编码。
颜色名称 短名称 RGB值 十六进制颜色代码 外观 “红色”
“r”
(1 0 0)
“# FF0000”
“绿色”
“g”
(0 1 0)
“# 00 ff00”
“蓝色”
“b”
(0 0 1)
“# 0000 ff”
“青色”
“c”
(0 1 1)
“# 00飞行符”
“红色”
“m”
(1 0 1)
“#”就
“黄色”
“y”
(1 1 0)
“# FFFF00”
“黑色”
“k”
(0 0 0)
“000000 #”
“白色”
“w”
(1 1 1)
“# FFFFFF”
下面是MATLAB在许多类型的图中使用的默认颜色的RGB三组和十六进制颜色代码。
RGB值 十六进制颜色代码 外观 [0 0.4470 - 0.7410)
“# 0072 bd”
(0.8500 0.3250 0.0980)
“# D95319”
(0.9290 0.6940 0.1250)
“# EDB120”
(0.4940 0.1840 0.5560)
“# 7 e2f8e”
(0.4660 0.6740 0.1880)
“# 77 ac30”
(0.3010 0.7450 0.9330)
“# 4 dbeee”
(0.6350 0.0780 0.1840)
“# A2142F”
如果您指定DisplayStyle
作为“楼梯”
,然后柱状图
不使用FaceColor
财产。
例子:直方图(X,‘FaceColor’,‘g’)
创建带有绿色条的直方图图。
线型
- - - - - -线条样式
“-”
(默认)|”——“
|”:“
|“-”。
|“没有”
线条样式,指定为该表中列出的选项之一。
线条样式 | 描述 | 产生的线 |
---|---|---|
“-” |
实线 |
|
”——“ |
虚线 |
|
”:“ |
虚线 |
|
“-”。 |
Dash-dotted线 |
|
“没有” |
没有线 | 没有线 |
线宽
- - - - - -条形轮廓宽度
0.5
(默认)|积极的价值
条形轮廓的宽度,指定为正数值,以点为单位。1分等于1/72英寸。
例子:1.5
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
归一化
- - - - - -类型的标准化
“数”
(默认)|“概率”
|“countdensity”
|“pdf”
|“cumcount”
|“提供”
归一化的类型,指定为该表中的值之一。对于每一个本我
:
是bin值。
是容器中元素的数量。
是垃圾桶的宽度。
输入数据中的元素数量。如果数据包含,此值可以大于已归档的数据
南
,NaT
,或<定义>
值,或者有些数据超出了容器限制。
价值 | 本值 | 笔记 |
---|---|---|
“数” (默认) |
|
|
“countdensity” |
|
请注意
|
“cumcount” |
|
|
“概率” |
|
|
“pdf” |
|
请注意
|
“提供” |
|
|
例子:直方图(X,“正常化”,“pdf”)
的概率密度函数的估计X
.
NumDisplayBins
- - - - - -要显示的类别数量
标量
要显示的类别数,指定为一个标量。控件可以更改直方图中显示的类别的顺序“DisplayOrder”
选择。
此选项仅适用于分类数据。
取向
- - - - - -取向的酒吧
“垂直”
(默认)|“水平”
杆的方向,指定为“垂直”
或“水平”
.
例子:直方图(X,“定位”,“水平”)
创建带有水平条的直方图图。
ShowOthers
- - - - - -切换属于未显示类别的数据的摘要显示
“关闭”
(默认)|开/关逻辑值
切换属于未显示类别(指定为)的数据的摘要显示“上”
或“关闭”
,或作为数字或逻辑1
(真正的
)或0
(假
).的值“上”
相当于真正的
,“关闭”
相当于假
.因此,您可以将此属性的值用作逻辑值。该值存储为类型的开/关逻辑值matlab.lang.OnOffSwitchState
.
将此选项设置为“上”
在直方图中显示带有名称的附加栏“别人”
.这个额外的栏计数不属于直方图中显示的类别的所有元素。
控件可以更改柱状图中显示的类别的数量以及它们的顺序“NumDisplayBins”
而且“DisplayOrder”
选项。
此选项仅适用于分类数据。
属性
直方图特性 | 直方图外观和行为 |
例子
向量的柱状图
生成10,000个随机数并创建一个直方图。的柱状图
函数自动选择适当数量的容器来覆盖中的值的范围x
并显示出潜在分布的形状。
x = randn (10000 1);h =直方图(x)
h =具有属性的直方图:数据:[10000x1 double]值:[2 21 6 7 17 29 57 86 133 193 271 331 421 540 613…[-3.8000 -3.6000 -3.4000 -3.2000 -3 -2.8000 -2.6000…][-3.8000 3.6000]归一化:'count' FaceColor: 'auto' EdgeColor:[0 00]显示所有属性
类的输出参数时柱状图
函数,它返回一个直方图对象。您可以使用此对象检查直方图的属性,例如箱的数量或箱的宽度。
找出直方图箱的数量。
nbins = h.NumBins
nbins = 37
指定直方图箱的数量
绘制由1000个随机数字组成的直方图,这些数字被分成25个等间距的箱。
x = randn (1000 1);nbins = 25;h =直方图(x, nbins)
h =具有属性的直方图:数据:[1000x1 double]值:[1 3 0 6 14 19 31 54 74 80 92 122 104 115 88 80 38 32…[-3.4000 -3.1200 -2.8400 -2.5600 -2.2800 -2 -1.7200…][-3.4000 3.6000]归一化:'count' FaceColor: 'auto' EdgeColor:[0 00]显示所有属性
查找垃圾箱计数。
数量= h.Values
数=1×251 3 0 6 14 19 31 54 74 80 92 122 104 115 88 80 38 32 21 9 5 5 5 0 2
改变直方图箱的数量
生成1000个随机数并创建一个直方图。
X = randn (1000 1);h =直方图(X)
h =具有属性的直方图:数据:[1000x1 double]值:[3 12 15 17 27 53 79 85 101 127 110 124 95 67 32 27…NumBins: 23 BinEdges:[-3.3000 -3.0000 -2.7000 -2.4000 -2.1000 -1.8000…][-3.3000 3.6000]归一化:'count' FaceColor: 'auto' EdgeColor:[0 00]显示所有属性
使用morebins
函数粗略地调整箱的数量。
Nbins = morebins (h);Nbins = morebins (h)
Nbins = 29
通过显式设置容器的数量,在细粒度级别调整容器。
h.NumBins = 31;
指定直方图的Bin边
生成1000个随机数并创建一个直方图。将箱边指定为直方图边缘上具有宽箱的向量,以捕获不满足的异常值 .第一个向量元素是第一个容器的左边缘,最后一个向量元素是最后一个容器的右边缘。
x = randn (1000 1);边= [-10 -2:0.25:2 10];h =直方图(x,边);
指定归一化
财产“countdensity”
把存放异常值的箱子压平。现在,区域的值(而不是高度)表示该区间内观测的频率。
h.Normalization =“countdensity”;
情节分类直方图
创建一个表示选票的分类向量。向量中的类别是“是的”
,“不”
,或“决定”
.
A = [0 0 1 1 1 0 0 0 0 0 NaN NaN 1 0 0 0 0 1 0 1 0 1 0 0 0 0 1 1 1];C = categorical(A,[1 0 NaN],{“是的”,“不”,“决定”})
C =1 x27分类第1至9列否否是是是否否否否第10至16列未决定未决定是否否否是第17至25列否是否否否否是是第26至27列是是
绘制选票的分类直方图,使用的相对条宽0.5
.
h =直方图(C,“BarWidth”, 0.5)
h =带有属性的直方图:Data: [no no yes yes no no…][11 14 2] NumDisplayBins: 3 category: {'yes' 'no' 'undecided'} DisplayOrder: 'data' Normalization: 'count' DisplayStyle: 'bar' FaceColor: 'auto' EdgeColor:[0 0 0]显示所有属性
具有指定归一化的直方图
方法生成1,000个随机数并创建一个直方图“概率”
规范化。
x = randn (1000 1);h =直方图(x),“归一化”,“概率”)
h =直方图属性:数据:[1000x1 double]值:[0.0030 1.0000e-03 0.0020 0.0150 0.0170 0.0270 0.0530…NumBins: 23 BinEdges:[-3.3000 -3.0000 -2.7000 -2.4000 -2.1000 -1.8000…][-3.3000 3.6000]归一化:'probability' FaceColor: 'auto' EdgeColor:[0 00]显示所有属性
计算杆的高度之和。通过这种归一化,每个条的高度等于在该容器区间内选择观察结果的概率,所有条的高度之和为1。
S =总和(h.Values)
S = 1
情节多个柱状图
生成两个随机数向量,并为同一图中的每个向量绘制直方图。
x = randn (2000 1);Y = 1 + randn(5000,1);h1 =直方图(x);持有在h2 =直方图(y);
由于直方图的样本量和仓宽不同,很难进行比较。规范化直方图,使所有条的高度相加为1,并使用统一的bin宽度。
h1。N或malization =“概率”;h1。BinWidth = 0.25;h2。N或malization =“概率”;h2。BinWidth = 0.25;
调整直方图特性
生成1000个随机数并创建一个直方图。返回直方图对象以调整直方图的属性,而无需重新创建整个图。
x = randn (1000 1);h =直方图(x)
h =具有属性的直方图:数据:[1000x1 double]值:[3 12 15 17 27 53 79 85 101 127 110 124 95 67 32 27…NumBins: 23 BinEdges:[-3.3000 -3.0000 -2.7000 -2.4000 -2.1000 -1.8000…][-3.3000 3.6000]归一化:'count' FaceColor: 'auto' EdgeColor:[0 00]显示所有属性
具体指定要使用多少个箱子。
h.NumBins = 15;
用向量指定箱子的边。vector中的第一个值是第一个bin的左边缘。最后一个值是最后一个容器的右边缘。
h.BinEdges =(三3);
更改直方图条的颜色。
. facecolor = [0 0.5 0.5];h.EdgeColor =“r”;
确定潜在概率分布
生成5000个平均值为5,标准差为2的正态分布随机数。画一个直方图归一化
设置为“pdf”
产生概率密度函数的估计。
X = 2*randn(5000,1) + 5;直方图(x,“归一化”,“pdf”)
在本例中,已知正态分布数据的底层分布。但是,您可以使用“pdf”
通过将数据与已知的概率密度函数进行比较,确定数据的底层概率分布的直方图图。
均值正态分布的概率密度函数 ,标准偏差 和方差 是
叠加均值为5,标准差为2的正态分布的概率密度函数图。
持有在y = 5:0.1:15;μ= 5;σ= 2;(f = exp () - yμ。^ 2. /(2 *σ^ 2))。/σ*√(2 *π));情节(y, f,“线宽”, 1.5)
保存和加载直方图对象
使用savefig
函数来保存柱状图
数字
直方图(randn (10));savefig (“histogram.fig”);关闭gcf
使用openfig
将直方图图加载回MATLAB®中。openfig
也返回图形的句柄,h
.
h = openfig (“histogram.fig”);
使用findobj
函数从图形句柄定位正确的对象句柄。这允许您继续操作用于生成图的原始直方图对象。
y = findobj (h,“类型”,“直方图”)
y =带有属性的直方图:数据:[10x10 double]值:[2 17 28 32 16 32]NumBins: 7 BinEdges: [-3 -2 -1 0 1 2 3 4] BinWidth: 1 BinLimits:[-3 4]归一化:'count' FaceColor: 'auto' EdgeColor:[0 0 0]显示所有属性
提示
直方图绘制使用
柱状图
在图编辑模式中有一个上下文菜单,可以在图窗口中进行交互操作。例如,您可以使用上下文菜单以交互方式更改箱的数量,对齐多个直方图,或更改显示顺序。当您向直方图图添加数据提示时,它们将显示箱边和箱数。
扩展功能
高大的数组
使用行数超过内存容量的数组进行计算。
此函数支持高数组,但有以下限制:
不支持某些输入选项。允许的选项是:
“BinWidth”
“BinLimits”
“归一化”
“DisplayStyle”
“BinMethod”
- - -“汽车”
而且“斯科特。”
Bin方法是相同的。的“fd”
不支持Bin方法。“EdgeAlpha”
“EdgeColor”
“FaceAlpha”
“FaceColor”
“线型”
“线宽”
“定位”
此外,有一个最大格数的上限。默认最大值为100。
的
morebins
而且fewerbins
方法不受支持。不支持编辑需要重新计算容器的直方图对象的属性。
有关更多信息,请参见用于内存不足数据的高数组.
GPU数组
通过使用并行计算工具箱™在图形处理单元(GPU)上运行来加速代码。
分布式阵列
使用并行计算工具箱™跨集群的组合内存分区大型数组。
版本历史
介绍了R2014b
MATLAB命令
你点击了一个对应于这个MATLAB命令的链接:
在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。