34

我正在使用 python 做一个项目,其中有两个数据数组。我们称它们为pcpnc。我需要在同一张图上绘制这两者的累积分布。对于pc它应该是一个小于图,即在 (x,y) 处,pc中的 y 点的值必须小于 x。对于pnc,它是一个大于图,即在 (x,y) 处,pnc中的 y 点的值必须大于 x。

我试过使用直方图函数 - pyplot.hist。有没有更好更简单的方法来做我想做的事?此外,它必须在 x 轴上以对数刻度绘制。

4

5 回答 5

42

你很亲密。您不应该将 plt.hist 用作 numpy.histogram,它会同时为您提供值和 bin,而不是您可以轻松绘制累积值:

import numpy as np
import matplotlib.pyplot as plt

# some fake data
data = np.random.randn(1000)
# evaluate the histogram
values, base = np.histogram(data, bins=40)
#evaluate the cumulative
cumulative = np.cumsum(values)
# plot the cumulative function
plt.plot(base[:-1], cumulative, c='blue')
#plot the survival function
plt.plot(base[:-1], len(data)-cumulative, c='green')

plt.show()

在此处输入图像描述

于 2013-03-14T20:02:08.310 回答
29

使用直方图确实不必要地繁重且不精确(分箱使数据模糊):您可以对所有 x 值进行排序:每个值的索引是较小值的数量。这个更短更简单的解决方案如下所示:

import numpy as np
import matplotlib.pyplot as plt

# Some fake data:
data = np.random.randn(1000)

sorted_data = np.sort(data)  # Or data.sort(), if data can be modified

# Cumulative counts:
plt.step(sorted_data, np.arange(sorted_data.size))  # From 0 to the number of data points-1
plt.step(sorted_data[::-1], np.arange(sorted_data.size))  # From the number of data points-1 to 0

plt.show()

此外,更合适的绘图样式确实是plt.step()而不是plt.plot(),因为数据位于离散位置。

结果是:

在此处输入图像描述

您可以看到它比 EnricoGiampieri 的答案的输出更加参差不齐,但这是真正的直方图(而不是它的近似、模糊版本)。

PS:正如 SebastianRaschka 所指出的,最后一点应该理想地显示总计数(而不是总计数-1)。这可以通过以下方式实现:

plt.step(np.concatenate([sorted_data, sorted_data[[-1]]]),
         np.arange(sorted_data.size+1))
plt.step(np.concatenate([sorted_data[::-1], sorted_data[[0]]]),
         np.arange(sorted_data.size+1))

有很多点,data如果没有缩放,效果是不可见的,但是当数据只包含几个点时,总计数的最后一个点确实很重要。

于 2014-03-23T08:56:32.677 回答
14

在与@EOL 进行结论性讨论后,我想使用随机高斯样本作为摘要发布我的解决方案(左上角):

在此处输入图像描述

import numpy as np
import matplotlib.pyplot as plt
from math import ceil, floor, sqrt

def pdf(x, mu=0, sigma=1):
    """
    Calculates the normal distribution's probability density 
    function (PDF).  

    """
    term1 = 1.0 / ( sqrt(2*np.pi) * sigma )
    term2 = np.exp( -0.5 * ( (x-mu)/sigma )**2 )
    return term1 * term2


# Drawing sample date poi
##################################################

# Random Gaussian data (mean=0, stdev=5)
data1 = np.random.normal(loc=0, scale=5.0, size=30)
data2 = np.random.normal(loc=2, scale=7.0, size=30)
data1.sort(), data2.sort()

min_val = floor(min(data1+data2))
max_val = ceil(max(data1+data2))

##################################################




fig = plt.gcf()
fig.set_size_inches(12,11)

# Cumulative distributions, stepwise:
plt.subplot(2,2,1)
plt.step(np.concatenate([data1, data1[[-1]]]), np.arange(data1.size+1), label='$\mu=0, \sigma=5$')
plt.step(np.concatenate([data2, data2[[-1]]]), np.arange(data2.size+1), label='$\mu=2, \sigma=7$') 

plt.title('30 samples from a random Gaussian distribution (cumulative)')
plt.ylabel('Count')
plt.xlabel('X-value')
plt.legend(loc='upper left')
plt.xlim([min_val, max_val])
plt.ylim([0, data1.size+1])
plt.grid()

# Cumulative distributions, smooth:
plt.subplot(2,2,2)

plt.plot(np.concatenate([data1, data1[[-1]]]), np.arange(data1.size+1), label='$\mu=0, \sigma=5$')
plt.plot(np.concatenate([data2, data2[[-1]]]), np.arange(data2.size+1), label='$\mu=2, \sigma=7$') 

plt.title('30 samples from a random Gaussian (cumulative)')
plt.ylabel('Count')
plt.xlabel('X-value')
plt.legend(loc='upper left')
plt.xlim([min_val, max_val])
plt.ylim([0, data1.size+1])
plt.grid()


# Probability densities of the sample points function
plt.subplot(2,2,3)

pdf1 = pdf(data1, mu=0, sigma=5)
pdf2 = pdf(data2, mu=2, sigma=7)
plt.plot(data1, pdf1, label='$\mu=0, \sigma=5$')
plt.plot(data2, pdf2, label='$\mu=2, \sigma=7$')

plt.title('30 samples from a random Gaussian')
plt.legend(loc='upper left')
plt.xlabel('X-value')
plt.ylabel('probability density')
plt.xlim([min_val, max_val])
plt.grid()


# Probability density function
plt.subplot(2,2,4)

x = np.arange(min_val, max_val, 0.05)

pdf1 = pdf(x, mu=0, sigma=5)
pdf2 = pdf(x, mu=2, sigma=7)
plt.plot(x, pdf1, label='$\mu=0, \sigma=5$')
plt.plot(x, pdf2, label='$\mu=2, \sigma=7$')

plt.title('PDFs of Gaussian distributions')
plt.legend(loc='upper left')
plt.xlabel('X-value')
plt.ylabel('probability density')
plt.xlim([min_val, max_val])
plt.grid()

plt.show()
于 2014-07-04T06:09:01.223 回答
9

为了增加我自己对社区的贡献,在这里我分享一下我绘制直方图的功能。这就是我理解这个问题的方式,同时绘制直方图和累积直方图:

def hist(data, bins, title, labels, range = None):
  fig = plt.figure(figsize=(15, 8))
  ax = plt.axes()
  plt.ylabel("Proportion")
  values, base, _ = plt.hist( data  , bins = bins, normed=True, alpha = 0.5, color = "green", range = range, label = "Histogram")
  ax_bis = ax.twinx()
  values = np.append(values,0)
  ax_bis.plot( base, np.cumsum(values)/ np.cumsum(values)[-1], color='darkorange', marker='o', linestyle='-', markersize = 1, label = "Cumulative Histogram" )
  plt.xlabel(labels)
  plt.ylabel("Proportion")
  plt.title(title)
  ax_bis.legend();
  ax.legend();
  plt.show()
  return

如果有人想知道它的外观,请看一下(已激活 seaborn):

在此处输入图像描述

此外,关于双格(白线),我一直在努力获得漂亮的双格。这里有一个有趣的方法来规避这个问题:如何将网格线从辅助轴放在主图后面?

于 2019-12-24T17:13:29.980 回答
3

生成此图的最简单方法是使用seaborn

import seaborn as sns  
sns.ecdfplot()

这是文档

于 2020-12-10T19:29:09.310 回答