103

你将如何使用 Python 创建一个 qq 图？

假设您有大量测量值，并且正在使用一些将 XY 值作为输入的绘图函数。该函数应根据某些分布（正态、均匀...）的相应分位数绘制测量的分位数。

由此产生的图让我们可以评估我们的测量是否遵循假设的分布。

http://en.wikipedia.org/wiki/Quantile-quantile_plot

R 和 Matlab 都为此提供了现成的函数，但我想知道在 Python 中实现的最简洁的方法是什么。

4

9 回答 9

119

更新：正如人们指出的那样，这个答案是不正确的。概率图不同于分位数-分位数图。在您在解释或传达您的分布关系时出错之前，请查看这些评论和其他答案。

我认为这scipy.stats.probplot会做你想要的。有关更多详细信息，请参阅文档。

import numpy as np 
import pylab 
import scipy.stats as stats

measurements = np.random.normal(loc = 20, scale = 5, size=100)   
stats.probplot(measurements, dist="norm", plot=pylab)
pylab.show()

结果

在此处输入图像描述

于 2012-12-13T18:11:14.907 回答
62

使用qqplotofstatsmodels.api是另一种选择：

非常基本的例子：

import numpy as np
import statsmodels.api as sm
import pylab

test = np.random.normal(0,1, 1000)

sm.qqplot(test, line='45')
pylab.show()

结果：

在此处输入图像描述

文档和更多示例在这里

于 2014-03-16T02:50:40.933 回答
23

如果您需要绘制一个样本与另一个样本的 QQ 图，statsmodels 包括 qqplot_2samples()。就像上面评论中的 Ricky Robinson 一样，这就是我认为的 QQ 图与概率图的对比，概率图是针对理论分布的样本。

http://statsmodels.sourceforge.net/devel/generated/statsmodels.graphics.gofplots.qqplot_2samples.html

于 2014-06-13T19:44:02.303 回答
6

我想出了这个。也许你可以改进它。特别是生成分布分位数的方法对我来说似乎很麻烦。

您可以替换np.random.normal为任何其他分布，np.random以将数据与其他分布进行比较。

#!/bin/python

import numpy as np

measurements = np.random.normal(loc = 20, scale = 5, size=100000)

def qq_plot(data, sample_size):
    qq = np.ones([sample_size, 2])
    np.random.shuffle(data)
    qq[:, 0] = np.sort(data[0:sample_size])
    qq[:, 1] = np.sort(np.random.normal(size = sample_size))
    return qq

print qq_plot(measurements, 1000)
于 2012-12-13T17:54:07.757 回答
3

它现在存在于 statsmodels 包中：

http://statsmodels.sourceforge.net/devel/generated/statsmodels.graphics.gofplots.qqplot.html

于 2014-06-02T12:19:09.167 回答
2

你可以使用散景

from bokeh.plotting import figure, show
from scipy.stats import probplot
# pd_series is the series you want to plot
series1 = probplot(pd_series, dist="norm")
p1 = figure(title="Normal QQ-Plot", background_fill_color="#E8DDCB")
p1.scatter(series1[0][0],series1[0][1], fill_color="red")
show(p1)
于 2016-08-17T05:39:39.667 回答
2 
import numpy as np 
import pylab 
import scipy.stats as stats
measurements = np.random.normal(loc = 20, scale = 5, size=100)   
stats.probplot(measurements, dist="norm", plot=pylab)
pylab.show()

这里 probplot 绘制图形测量值与 dist="norm" 中的正态分布

于 2018-06-08T17:43:15.620 回答
2

为了增加 Python 和 R 世界中 QQ 图和概率图的混淆，SciPy 手册是这样说的：

“probplot生成一个概率图，不应与 QQ 或 PP 图混淆。Statsmodels 具有这种类型的更广泛的功能，请参阅 statsmodels.api.ProbPlot。”

如果您尝试一下scipy.stats.probplot，您会发现它确实将数据集与理论分布进行了比较。QQ 图，OTOH，比较两个数据集（样本）。

R 有函数qqnorm,qqplot和qqline。从 R 帮助（版本 3.6.3）：

qqnorm是一个通用函数，其默认方法生成 y 中值的正常 QQ 图。qqline将一条线添加到“理论”，默认情况下是正常的分位数 - 分位数图，该图通过概率分位数，默认情况下是第一和第三四分位数。

qqplot生成两个数据集的 QQ 图。

简而言之，R提供了与默认设置qqnorm相同的功能。但他们称它为“生成正常的 QQ 情节”这一事实可能很容易让用户感到困惑。scipy.stats.probplotdist=normqqnorm

最后，一句警告。这些图不能代替适当的统计测试，仅用于说明目的。

于 2020-07-31T14:35:48.753 回答
0

你的样品有多大？这是使用OpenTURNS 库针对任何发行版测试数据的另一种选择。在下面的示例中，我从均匀分布中生成了一个包含 1.000.000 个数字的样本 x，并针对正态分布对其进行了测试。如果您将其重塑为，您可以用您的数据替换 xx= [[x1], [x2], .., [xn]]

import openturns as ot

x = ot.Uniform().getSample(1000000)
g = ot.VisualTest.DrawQQplot(x, ot.Normal())
g

在我的 Jupyter Notebook 中，我看到： 在此处输入图像描述

如果您正在编写脚本，则可以做得更正确

from openturns.viewer import View`
import matplotlib.pyplot as plt
View(g)
plt.show()
于 2020-11-09T10:41:57.767 回答