Histogram2Plot 二元直方图

    二元直方图

    二元直方图是一种数值数据条形图, 它将数据分组到二维bin中. 创建Histogram2Plot对象后, 可以通过更改直方图的属性值修改它的各个方面. 这对快速修改bin属性或更改显示特别有用

    histogram2Plot(X,Y) 创建 X 和 Y 的二元直方图. histogram2 函数使用自动分 bin 算法, 然后返回均匀面积的 bin, 这些 bin 可涵盖 X 和 Y 中的元素范围并显示分布的基本形状. histogram2 将 bin 显示为二维矩形条形，这样每个条形的高度就表示 bin 中的元素数量.

    histogram2Plot(X,Y,nbins) 指定要在每个维度中使用的 bin 数量.

    X,Y — 要分布到各 bin 的数据, 向量, 矩阵

    nbins — bin 数量, 正整数

    身高体重关系（健康数据分析）:

    深色区域显示最常见的身高体重组合（如170cm/65kg），右上角稀疏区可能是异常值

    Histogram2Plot([165,170,178,162,185],  # 身高(cm)
                   [55,68,72,60,80],       # 体重(kg)
                   12)

    广告点击分析（数字营销）:

    观看时长8-15秒且点击率1-2%的区域密度最高，短时长(<5s)点击率波动大

    Histogram2Plot([12,8,25,3,17],  # 广告观看时长(秒)
                   [0.2,1.5,0.8,3.2,1.6],  # 点击率(%)
                   10)

    气象模式分析（气候科学）:

    高温(>30℃)与低降雨(<2mm)强相关，25℃中温区降雨分布最广

    Histogram2Plot([28,32,25,30],   # 日间温度(℃)
                   [0,5.2,12.8,3.4],   # 降雨量(mm)
                   15)

    股票收益率分析（金融量化）:

    高波动率(>0.2)时收益率分布更分散，低波动率时收益率集中在±5%

    Histogram2Plot([0.15,0.22,0.08],   # 波动率
                   [-0.03,0.12,0.05],  # 日收益率
                   20)

    城市通勤研究（交通规划）:

    10km/25min区域密度最高，20km以上出现明显的交通效率下降

    Histogram2Plot([8,15,5,20],   # 通勤距离(km)
                   [30,45,20,60], # 通勤时间(分钟)
                   12)