建站
咨詢
售后
建站咨詢
新聞中心
今天就跟大家聊聊有關(guān)怎么在python中繪制cdf，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。
1、matplotlib.pyplot.hist()
def hist(self, x, bins=None, range=None, density=None, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, normed=None, **kwargs):
第一種方法，我們使用matplotlib圖形庫(kù)中的hist函數(shù)，熟悉該庫(kù)的人應(yīng)該知道這是一個(gè)直方圖繪制函數(shù)，以上是從API中找到的hist函數(shù)的所有參數(shù)，我們給出一維數(shù)組或者列表x，使用hist畫(huà)出該數(shù)據(jù)的直方圖。
直方圖有兩種形式，分別是概率分布直方圖和累積分布直方圖（可能說(shuō)的不準(zhǔn)確- -?。?，可以通過(guò)參數(shù)cucumulative來(lái)調(diào)節(jié)，默認(rèn)為False，畫(huà)出的是PDF，那么True畫(huà)出的便是CDF直方圖。
PDF（figure1）可以觀察到整個(gè)數(shù)據(jù)在橫軸范圍內(nèi)的分布，CDF（figure2）則可以看出不同的數(shù)據(jù)分布間的差異性，也可以觀察到整個(gè)數(shù)據(jù)的增長(zhǎng)趨勢(shì)和波動(dòng)情況。
上圖是概率分布直方圖，縱軸代表概率，如果置參數(shù)normed=False，縱軸代表頻數(shù)
如果我們要觀察兩種數(shù)據(jù)分布的差異，可能使用直方圖就不是很直觀，各種直方柱會(huì)相互重疊，我們只需更改直方圖的圖像類(lèi)型，令histtype=‘step'，就會(huì)畫(huà)出一條曲線來(lái)（Figure3，實(shí)際上就是將直方柱并在一起，除邊界外顏色透明），類(lèi)似于累積分布曲線。這時(shí)，我們就能很好地觀察到不同數(shù)據(jù)分布曲線間的差異。
2、numpy.histogram
def histogram(a, bins=10, range=None, normed=False, weights=None, density=None)
第二種方法我們使用numpy中畫(huà)直方圖的函數(shù)histogram，該函數(shù)不是一個(gè)直接的繪圖函數(shù)（廢話- -！過(guò)渡句，哈哈），給定一組數(shù)據(jù)a，它會(huì)返回兩個(gè)數(shù)組hist和bin_edges，默認(rèn)情況下hist是數(shù)據(jù)在各個(gè)區(qū)間上的頻率，bin_edges是劃分的各個(gè)區(qū)間的邊界，說(shuō)到這我們大概可以想到其實(shí)該函數(shù)算是上一個(gè)函數(shù)的底層函數(shù)，我們可以依據(jù)得到的這兩個(gè)數(shù)組來(lái)畫(huà)直方圖，我們也可以用頻率數(shù)組來(lái)直接畫(huà)分布曲線（Figure4）
這里我只給出了一個(gè)最原始的圖像，直接用hist數(shù)組畫(huà)的，如果想要變成合格的累積分布曲線圖，縱軸為概率（頻率乘區(qū)間長(zhǎng)度），橫軸為區(qū)間（從bin_edges數(shù)組中取n-1個(gè)）就可以了
3、stats.relfreq
def relfreq(a, numbins=10, defaultreallimits=None, weights=None) Returns ------- frequency : ndarray Binned values of relative frequency. lowerlimit : float Lower real limit binsize : float Width of each bin. extrapoints : int Extra points.
第三種方法我們使用stats中的relfreq函數(shù)，該函數(shù)和第二種的方法類(lèi)似，也并非是直接畫(huà)圖，而是返回關(guān)于直方圖的一些數(shù)據(jù)，這里的frequency直接是概率而非頻率，可以直接作為CDF圖的縱軸，但是橫軸需要自己計(jì)算，計(jì)算公式：
res.lowerlimit + np.linspace(0,res.binsize*res.frequency.size, res.frequency.size)
這個(gè)公式應(yīng)該很好理解，我就不多說(shuō)了，當(dāng)然這些返回值都要依賴我們所給出的bins的數(shù)目。下面我給出一段代碼，便是使用stats.relfreq畫(huà)出概率分布直方圖和累積分布曲線圖。
rng = np.random.RandomState(seed=12345)
samples = stats.norm.rvs(size=1000, random_state=rng)
res = stats.relfreq(samples, numbins=25)
x = res.lowerlimit + np.linspace(0, res.binsize*res.frequency.size,res.frequency.size)
fig = plt.figure(figsize=(5, 4))
ax = fig.add_subplot(1, 1, 1)
ax.bar(x, res.frequency, width=res.binsize)
ax.set_title('Relative frequency histogram')
ax.set_xlim([x.min(), x.max()])
plt.show()
rng = np.random.RandomState(seed=12345)
samples = stats.norm.rvs(size=1000, random_state=rng)
res = stats.relfreq(samples, numbins=25)
x = res.lowerlimit + np.linspace(0, res.binsize*res.frequency.size,res.frequency.size)
y=np.cumsum(res.frequency)
plt.plot(x,y)
plt.title('Figure6 累積分布直方圖')
plt.show()
看完上述內(nèi)容，你們對(duì)怎么在python中繪制cdf有進(jìn)一步的了解嗎？如果還想了解更多知識(shí)或者相關(guān)內(nèi)容，請(qǐng)關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝大家的支持。
名稱欄目：怎么在python中繪制cdf-創(chuàng)新互聯(lián)
新聞來(lái)源：http://fisionsoft.com.cn/article/djegcj.html
