我需要以秒为单位读取带有时间戳的长文件，并使用 numpy 或 scipy 绘制 CDF。我确实尝试过 numpy 但似乎输出不是它应该是的。下面的代码：任何建议表示赞赏。
import numpy as np
import matplotlib.pyplot as plt
data = np.loadtxt('Filename.txt')
sorted_data = np.sort(data)
cumulative = np.cumsum(sorted_data)
plt.plot(cumulative)
plt.show()
你有两个选择：
1：可以先bin数据。这可以通过以下numpy.histogram功能轻松完成：
将 numpy 导入为 np
将 matplotlib.pyplot 导入为 plt
数据 = np.loadtxt('文件名.txt')
# 在这里选择你想要多少个垃圾箱
num_bins = 20
# 使用直方图函数对数据进行分箱
计数，bin_edges = np.histogram（数据，bins=num_bins，normed=True）
# 现在找到 cdf
cdf = np.cumsum（计数）
# 最后绘制 cdf
plt.plot(bin_edges[1:], cdf)
plt.show()
2：而不是使用numpy.cumsum，只需根据小于数组中每个元素的项目数绘制sorted_data数组（有关更多详细信息，请参阅此答案https://stackoverflow.com/a/11692365/588071）：
将 numpy 导入为 np
将 matplotlib.pyplot 导入为 plt
数据 = np.loadtxt('文件名.txt')
sorted_data = np.sort(数据)
yvals=np.arange(len(sorted_data))/float(len(sorted_data)-1)
plt.plot(sorted_data,yvals)
plt.show()
为了完整起见，您还应该考虑：
您可以使用numpy.histogram, 设置 bin 边缘，使每个 bin 只收集一个点的所有出现。您应该保留density=False，因为根据文档：
请注意，直方图值的总和将不等于 1，除非选择了统一宽度的 bin
您可以将每个 bin 中的元素数量除以数据大小进行标准化。
import numpy as np
import matplotlib.pyplot as plt
def cdf(data):
data_size=len(data)
# Set bins edges
data_set=sorted(set(data))
bins=np.append(data_set, data_set[-1]+1)
# Use the histogram function to bin the data
counts, bin_edges = np.histogram(data, bins=bins, density=False)
counts=counts.astype(float)/data_size
# Find the cdf
cdf = np.cumsum(counts)
# Plot the cdf
plt.plot(bin_edges[0:-1], cdf,linestyle='--', marker="o", color='b')
plt.ylim((0,1))
plt.ylabel("CDF")
plt.grid(True)
plt.show()
例如，使用以下数据：
#[ 0. 0. 0.1 0.1 0.2 0.2 0.3 0.3 0.4 0.4 0.6 0.8 1. 1.2]
data = np.concatenate((np.arange(0,0.5,0.1),np.arange(0.6,1.4,0.2),np.arange(0,0.5,0.1)))
cdf(data)
你会得到：
您还可以对 cdf 进行插值以获得连续函数（使用线性插值或三次样条）：
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import interp1d
def cdf(data):
data_size=len(data)
# Set bins edges
data_set=sorted(set(data))
bins=np.append(data_set, data_set[-1]+1)
# Use the histogram function to bin the data
counts, bin_edges = np.histogram(data, bins=bins, density=False)
counts=counts.astype(float)/data_size
# Find the cdf
cdf = np.cumsum(counts)
x = bin_edges[0:-1]
y = cdf
f = interp1d(x, y)
f2 = interp1d(x, y, kind='cubic')
xnew = np.linspace(0, max(x), num=1000, endpoint=True)
# Plot the cdf
plt.plot(x, y, 'o', xnew, f(xnew), '-', xnew, f2(xnew), '--')
plt.legend(['data', 'linear', 'cubic'], loc='best')
plt.title("Interpolation")
plt.ylim((0,1))
plt.ylabel("CDF")
plt.grid(True)
plt.show()
作为一个快速的答案，
plt.plot(sorted_data, np.linspace(0,1,sorted_data.size)
应该得到你想要的
以下是我的实施步骤：
1.排序你的数据
2.计算每个'x'的累积概率
import numpy as np
import matplotlib.pyplab as plt
def cdf(data):
n = len(data)
x = np.sort(data) # sort your data
y = np.arange(1, n + 1) / n # calculate cumulative probability
return x, y
x_data, y_data = cdf(your_data)
plt.plot(x_data, y_data)
例子：
test_data = np.random.normal(size= 100)
x_data, y_data = ecdf(test_data)
plt.plot(x_data, y_data, marker= '.', linestyle= 'none')
图：图 的链接
如果有许多重复值（因为我们只需要对唯一值进行排序），这里的实现会更有效。并且它将 CDF 绘制为阶跃函数，严格来说就是这样。
import sys
import numpy as np
import matplotlib.pyplot as plt
from collections import Counter
def read_data(fp):
t = []
for line in fp:
x = float(line.rstrip())
t.append(x)
return t
def main(script, filename=None):
if filename is None:
fp = sys.stdin
else:
fp = open(filename)
t = read_data(fp)
counter = Counter(t)
xs = counter.keys()
xs.sort()
ys = np.cumsum(counter.values()).astype(float)
ys /= ys[-1]
options = dict(linewidth=3, alpha=0.5)
plt.step(xs, ys, where='post', **options)
plt.xlabel('Values')
plt.ylabel('CDF')
plt.show()
if __name__ == '__main__':
main(*sys.argv)
import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
data = pd.read_csv('Filename.txt', sep=" ", header=None)
plt.figure()
sns.kdeplot(data,cumulative=True)
plt.show()