fullseye

stat_histogram — MATH `stats` op

データ種: signal → pairs
呼び出し: import fullseye as fs; fs.ledger.stat_histogram(x, bins=10, range=None, density=False) (実装を直接呼ぶなら import mathops; mathops.stat_histogram(x, bins=10, range=None, density=False)、台帳から引くなら opsmath.get("stat_histogram"))
台帳経由の戻り値: fullseye.ledger.stat_histogram(...) は宣言 out 型 pairs の値だけを返す(本体は補助情報も返す)。捨てられた側が要るときは fullseye.ledger.stat_histogram.raw(...)、または mathops.stat_histogram を直接呼ぶ。

使い方

Histogram of a 1-D sample with the binning explicit.

bins is a positive integer count of equal-width bins; range is an explicit (lo, hi) (finite, lo < hi) or None to span the data (values exactly at hi land in the last bin, numpy’s convention; with an explicit range, values outside it are excluded from every bin — they simply do not count, which is why passing range explicitly is the honest choice when comparing histograms across datasets). With density=False (default) counts are occurrence frequencies (int64, summing to the number of in-range samples); with density=True they form a probability density (float64, integrating to 1 over the range). A range that excludes every sample raises ValueError under density=True (the density would be 0/0 — silent NaNs refused) while density=False honestly returns all-zero counts. bins is capped at MAX_ELEMENTS (the edge/count arrays are allocations too).

Returns (counts, edges) — edges has bins + 1 entries; bin i is [edges[i], edges[i+1]).

HALCON: tuple_histo_range (and gray_histo for whole images).

ファミリ共通の入力契約(fail-closed)

mathops の全 op は入力を検証してから計算する(黙って通さない):

complex 入力は ValueError — float64 への強制変換は虚部を黙って捨てる(numpy は ComplexWarning だけ出して「もっともらしく間違った」実数を返す)。.real/.imag/abs() を明示するか、複素対応の complexops を使う。
masked array(masked 要素あり)は ValueError — マスクを剥がして下の生値を使う暗黙変換を拒否。埋める/落とすを明示する。
NaN/Inf は全入力で ValueError(件数を明示して拒否 — 結果全体に伝播するため)。
形状は厳格: 1-D と 2-D を暗黙昇格・ブロードキャストしない(vector 枠に matrix、matrix 枠に vector は ValueError。reshape を明示する)。
サイズ上限: 行列を取る op と stat_histogram の bins は mathops.MAX_ELEMENTS(2^26 ≈ 6700 万要素)超で ValueError。

詳しい使い方ガイド

math_metrology ファミリガイド

背景知識ガイド(この op の手前にある物理・規約)

measurement_uncertainty — 計測の不確かさと校正の知識 — 「測れている」を主張するために

参考(サンプルデータ・文献)

サンプルデータカタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。
演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。
アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

math_metrology — py -3.11 examples/math_metrology.py
poc_thermal_radiometry — py -3.11 examples/poc_thermal_radiometry.py

型が繋がる次の op(`pairs` を入力に取れる)

—

同カテゴリ(`stats`)

stat_describe · stat_covariance · stat_correlation · stat_zscore

Provenance: mathops.py — MATH operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。

This site is open source. Improve this page.