使用python绘制cdf的多种实现方法
首先我们先用随机函数编造一个包含1000个数值的一维numpy数组,如下:
//Anhighlightedblock rng=np.random.RandomState(seed=12345) samples=stats.norm.rvs(size=1000,random_state=rng)
接下来我们将使用各种方法画出以上数据的累积分布图
1、matplotlib.pyplot.hist()
defhist(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):
第一种方法,我们使用matplotlib图形库中的hist函数,熟悉该库的人应该知道这是一个直方图绘制函数,以上是从API中找到的hist函数的所有参数,我们给出一维数组或者列表x,使用hist画出该数据的直方图。
直方图有两种形式,分别是概率分布直方图和累积分布直方图(可能说的不准确--!),可以通过参数cucumulative来调节,默认为False,画出的是PDF,那么True画出的便是CDF直方图。
PDF(figure1)可以观察到整个数据在横轴范围内的分布,CDF(figure2)则可以看出不同的数据分布间的差异性,也可以观察到整个数据的增长趋势和波动情况。
上图是概率分布直方图,纵轴代表概率,如果置参数normed=False,纵轴代表频数
如果我们要观察两种数据分布的差异,可能使用直方图就不是很直观,各种直方柱会相互重叠,我们只需更改直方图的图像类型,令histtype=‘step',就会画出一条曲线来(Figure3,实际上就是将直方柱并在一起,除边界外颜色透明),类似于累积分布曲线。这时,我们就能很好地观察到不同数据分布曲线间的差异。
2、numpy.histogram
defhistogram(a,bins=10,range=None,normed=False,weights=None, density=None)
第二种方法我们使用numpy中画直方图的函数histogram,该函数不是一个直接的绘图函数(废话--!过渡句,哈哈),给定一组数据a,它会返回两个数组hist和bin_edges,默认情况下hist是数据在各个区间上的频率,bin_edges是划分的各个区间的边界,说到这我们大概可以想到其实该函数算是上一个函数的底层函数,我们可以依据得到的这两个数组来画直方图,我们也可以用频率数组来直接画分布曲线(Figure4)
这里我只给出了一个最原始的图像,直接用hist数组画的,如果想要变成合格的累积分布曲线图,纵轴为概率(频率乘区间长度),横轴为区间(从bin_edges数组中取n-1个)就可以了
3、stats.relfreq
defrelfreq(a,numbins=10,defaultreallimits=None,weights=None) Returns ------- frequency:ndarray Binnedvaluesofrelativefrequency. lowerlimit:float Lowerreallimit binsize:float Widthofeachbin. extrapoints:int Extrapoints.
第三种方法我们使用stats中的relfreq函数,该函数和第二种的方法类似,也并非是直接画图,而是返回关于直方图的一些数据,这里的frequency直接是概率而非频率,可以直接作为CDF图的纵轴,但是横轴需要自己计算,计算公式:
res.lowerlimit+np.linspace(0,res.binsize*res.frequency.size,res.frequency.size)
这个公式应该很好理解,我就不多说了,当然这些返回值都要依赖我们所给出的bins的数目。下面我给出一段代码,便是使用stats.relfreq画出概率分布直方图和累积分布曲线图。
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('Relativefrequencyhistogram') 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累积分布直方图') plt.show()
以上就是本人整理出来的关于画cdf直方图和曲线的三种方法,整理这方面东西的初忠是在发现在进行数据分析的时候,概率分布直方图只能观察到数据大概的分布情况,而在不同的数据样本进行比较时却很难直观滴反映其差异性,通过看论文发现cdf可以做到这一点。
本人并不是数学专业出身,想要表达其意义,但有些描述和用词不当,大家借鉴就好。希望大家多多支持毛票票!
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。