Python numpy.histogramdd函数方法的使用

参数 ：

sample ：(N, D) array, 或 (D, N) array_like

要直方图的数据。 注意当array_like时样本的不寻常解释： 

1) 如果是数组，则每一行都是D维空间中的坐标，

例如， histogramdd(np.array([p1，p2，p3]))。 

2) 如果为array_like，

则每个元素都是单个坐标的值列表。

例如,histogramdd((X，Y，Z））。 第一种形式应该是首选。

bins ：sequence 或 int, 可选

bin规格： 

1) 描述沿每个维度单调递增的bin边缘的数组序列。

2) 每个维度的bins数量(nx，ny，…=bins)。 

3) 所有维度的bins数(nx = ny =…=bins)。

range ：sequence, 可选

长度为D的序列，每个序列是一个可选的（lower, upper）元组，

如果未在bin中明确给出边缘，则给出要使用的外部bin边缘。

在序列中输入None,将导致最小值和最大值用于相应的尺寸。

默认值None等效于传递D None值的元组。

density ：bool, 可选

如果默认值为False，则返回每个bin中的样本数。

如果为True，

则在bin处返回概率密度函数bin_count / sample_count / bin_volume。

normed ：bool, 可选

密度参数的别名，其行为相同。

为了避免与histogram的标准化规范混淆，应首选密度。

weights ：(N,) array_like, 可选

权重每个样本（x_i，y_i，z_i,...）的值w_i的数组。 

如果标准为True，则将权重标准化为1。 如果normed为False，

则返回的直方图的值等于属于每个bin的样本的权重之和。

返回值 ：

H ：ndarray

样本x的多维直方图。有关不同的可能语义，请参见normed和weights。

edges ：list

D数组的列表，描述每个维度的面元边缘。