matlab中hist和histogram的区别

官方文档中替换不建议使用的 hist 和 histc 实例

旧直方图函数（`hist` 和 `histc`）

MATLAB® 早期版本使用 hist 和 histc 函数作为创建直方图和计算 bin 计数的主要方法。这些函数适用于某些常规用途，但总体能力有限。基于这些原因（及其他原因），不建议在新代码中使用 hist 和 histc：

使用 hist 创建直方图后，修改该直方图的属性会有难度并要求重新计算整个直方图。
hist 的默认行为是使用 10 个 bin，这对很多数据集都不适用。
绘制归一化直方图需要手动计算。
hist 和 histc 的行为并不一致。

推荐的直方图函数

histogram、histcounts 和 discretize 函数显著提高了 MATLAB 中创建和计算直方图的能力，同时提升了一致性和易用性。要为新代码创建和计算直方图，推荐使用 histogram、histcounts 和 discretize 函数。

请特别注意以下更改，它们体现了相对于 hist 和 histc 的改进：

histogram 可以返回一个直方图对象。您可以使用该对象修改直方图的属性。
histogram 和 histcounts 都具有自动划分 bin 和归一化功能，内置了几个常用选项。
histcounts 是 histogram 的主要计算函数。这样各函数就具有一致的行为。
discretize 为确定每个元素的 bin 位置提供了其他选择和灵活性。

hist 的代码更新

差异	使用 `hist` 时的旧行为	使用 `histogram` 时的新行为
输入矩阵	`hist` 为输入矩阵的每一列创建直方图并在同一图窗中并排绘制直方图。 A = randn(100,2); hist(A)	`histogram` 将整个输入矩阵视为一个高向量并创建一个直方图。要绘制多个直方图，请为每列数据创建一个不同的直方图对象。使用 `hold on` 命令在同一图窗中绘制直方图。 A = randn(100,2); h1 = histogram(A(:,1),10) edges = h1.BinEdges; hold on h2 = histogram(A(:,2),edges) 以上代码示例对每个直方图使用相同的 bin 边界，但在某些情况下，最好将每个直方图的 `BinWidth` 设置为相同。此外，出于显示目的，设置每个直方图的 `FaceAlpha` 属性可能会有所帮助，因为这会影响重叠条形的透明度。
Bin 设定	`hist` 接受 bin 中心作为另一个输入项。	`histogram` 接受 bin 边界作为另一个输入项。要将 bin 中心转换为 bin 边界以用于 `histogram`，请参阅将 bin 中心转换为 bin 边。注意若用于 `hist` 的 bin 中心是整数，例如 `hist(A,-3:3)`，请使用 `histogram` 内置的用于整数的新 bin 划分法。 histogram(A,'BinLimits',[-3,3],'BinMethod','integers')
输出参数	`hist` 返回 bin 计数作为一个输出参数，也可以选择返回 bin 中心作为另一个输出参数。 A = randn(100,1); [N, Centers] = hist(A)	`histogram` 返回一个直方图对象作为输出参数。该对象包含许多相关属性（bin 计数、bin 边界等）。可通过更改直方图的属性值修改它的各个方面。有关详细信息，请参阅`histogram`。 A = randn(100,1); h = histogram(A); N = h.Values Edges = h.BinEdges 注意要计算 bin 计数（而不绘制直方图），请将 `[N, Centers] = hist(A)`替换为 `[N,edges] = histcounts(A,nbins)`。
默认 bin 数量	默认情况下，`hist` 使用 10 个 bin。	默认情况下，`histogram` 和 `histcounts` 都使用自动 bin 划分算法。bin 数量由输入数据的数量和范围程度确定。 A = randn(100,1); histogram(A) histcounts(A)
bin 范围	`hist` 使用最小和最大有限数据值来确定绘图中第一个和最后一个条形的左边缘与右边缘。`-Inf` 和 `Inf`分别包含在第一个和最后一个 bin 中。	如果未设置 `BinLimits`，则 `histogram` 会基于（但不完全等于）最小和最大的有限数据值来确定 bin 的有理数范围。`histogram` 将会忽略 `Inf` 值，除非其中一个 bin 边界将 `Inf` 或 `-Inf` 显式指定为 bin 边界。要重新生成 `hist(A)` 对有限数据（无 `Inf` 值）的结果，请使用 10 个 bin 并将 `BinLimits` 显式设置为最小和最大数据值。 A = randi(5,100,1); histogram(A,10,'BinLimits',[min(A) max(A)])

histc 的代码更新

差异使用 histc 时的旧行为使用 histcounts 时的新行为

输入矩阵

差异	使用 `histc` 时的旧行为	使用 `histcounts` 时的新行为
输入矩阵	`histc` 为输入数据的每列计算 bin 计数。对于 `m`×`n` 输入矩阵，`histc` 返回大小为 `length(edges)`×`n` 的 bin 计数矩阵。 A = randn(100,10); edges = -4:4; N = histc(A,edges)	`histcounts` 将整个输入矩阵视为一个高向量并计算整个矩阵的 bin 计数。 A = randn(100,10); edges = -4:4; N = histcounts(A,edges) 对每列使用 for 循环计算 bin 计数。 A = randn(100,10); nbins = 10; N = zeros(nbins, size(A,2)); for k = 1:size(A,2) N(:,k) = histcounts(A(:,k),nbins); end 如果由于矩阵中的列数很多而造成性能问题，请考虑继续使用 `histc` 计算各列的 bin 计数。
最后一个 bin 中包含的值	如果 `A(i) == edges(end)`，`histc` 会在最后一个 bin 中包含元素 `A(i)`。输出 `N` 是一个具有 `length(edges)` 个元素的向量，其中包含 bin 计数。落入 bin 范围外的值不会计算在内。	如果 `edges(end-1) <= A(i) <= edges(end)`，`histcounts` 会在最后一个 bin 中包含元素 `A(i)`。换言之，`histcounts` 将来自 `histc` 的最后两个 bin 合并为最后一个 bin。输出 `N` 是一个具有 `length(edges)-1` 个元素的向量，其中包含 bin 计数。如果指定了 bin 边界，则落入 bin 外部的值不会计算在内。否则，`histcounts` 会自动确定要使用的适当 bin 边界以包含所有数据。 A = 1:4; edges = [1 2 2.5 3] N = histcounts(A) N = histcounts(A,edges) `histc` 中最后的 bin 主要用于整数计数。要使用 `histcounts` 执行这种整数计数，可以使用 `'integers'`bin 方法： N = histcounts(A,'BinMethod','integers');
输出参数	`histc` 返回 bin 计数作为一个输出参数，也可以选择返回 bin 索引作为另一个输出参数。 A = randn(15,1); edges = -4:4; [N,Bin] = histc(A,edges)	对于 `N = histc(A,edges)` 或 `[N,bin] = histc(A,edges)` 之类的 bin 计数计算，请使用 `histcounts`。`histcounts` 函数返回 bin 计数作为一个输出参数，也可以选择返回 bin 边界作为另一个输出参数，或返回 bin 索引作为第三个输出参数。 A = randn(15,1); [N,Edges,Bin] = histcounts(A) 对于 `[~,Bin] = histc(A,edges)` 之类的 bin 位置计算，请使用 `discretize`。`discretize` 函数提供用于确定每个元素的 bin 位置的其他选项。 A = randn(15,1); edges = -4:4; Bin = discretize(A,edges)

histc 为输入数据的每列计算 bin 计数。对于 m×n 输入矩阵，histc 返回大小为 length(edges)×n 的 bin 计数矩阵。

A = randn(100,10);
edges = -4:4;
N = histc(A,edges)

histcounts 将整个输入矩阵视为一个高向量并计算整个矩阵的 bin 计数。

A = randn(100,10);
edges = -4:4;
N = histcounts(A,edges)

对每列使用 for 循环计算 bin 计数。

A = randn(100,10);
nbins = 10;
N = zeros(nbins, size(A,2));
for k = 1:size(A,2)
   N(:,k) = histcounts(A(:,k),nbins);
end

如果由于矩阵中的列数很多而造成性能问题，请考虑继续使用 histc 计算各列的 bin 计数。

最后一个 bin 中包含的值

如果 A(i) == edges(end)，histc 会在最后一个 bin 中包含元素 A(i)。输出 N 是一个具有 length(edges) 个元素的向量，其中包含 bin 计数。落入 bin 范围外的值不会计算在内。

如果 edges(end-1) <= A(i) <= edges(end)，histcounts 会在最后一个 bin 中包含元素 A(i)。换言之，histcounts 将来自 histc 的最后两个 bin 合并为最后一个 bin。输出 N 是一个具有 length(edges)-1 个元素的向量，其中包含 bin 计数。如果指定了 bin 边界，则落入 bin 外部的值不会计算在内。否则，histcounts 会自动确定要使用的适当 bin 边界以包含所有数据。

A = 1:4;
edges = [1 2 2.5 3]
N = histcounts(A)
N = histcounts(A,edges)

histc 中最后的 bin 主要用于整数计数。要使用 histcounts 执行这种整数计数，可以使用 'integers'bin 方法：

N = histcounts(A,'BinMethod','integers');

输出参数

histc 返回 bin 计数作为一个输出参数，也可以选择返回 bin 索引作为另一个输出参数。

A = randn(15,1);
edges = -4:4;
[N,Bin] = histc(A,edges)

对于 N = histc(A,edges) 或 [N,bin] = histc(A,edges) 之类的 bin 计数计算，请使用 histcounts。histcounts 函数返回 bin 计数作为一个输出参数，也可以选择返回 bin 边界作为另一个输出参数，或返回 bin 索引作为第三个输出参数。
```
A = randn(15,1);
[N,Edges,Bin] = histcounts(A)
```
对于 [~,Bin] = histc(A,edges) 之类的 bin 位置计算，请使用 discretize。discretize 函数提供用于确定每个元素的 bin 位置的其他选项。
```
A = randn(15,1);
edges = -4:4;
Bin = discretize(A,edges)
```

原文链接：https://blog.csdn.net/fadbgfnbxb/article/details/93199679

官方文档中替换不建议使用的 hist 和 histc 实例

旧直方图函数（hist 和 histc）

推荐的直方图函数

注意

注意

旧直方图函数（`hist` 和 `histc`）