python - 如何将 zipf 曲线添加到词频条形图中？

Question

plt.figure()
plt.bar([key for val,key in lst], [val for val,key in lst])
plt.xlabel("Terms")
plt.ylabel("Counts")
plt.show()

我有一个(count, term)已按降序排序的元组列表count（即，一个术语在本文档中出现的次数），我将数据绘制为如上。现在假设我想证明术语的分布违反计算语言学中的 Zipf 定律，我可以在不改变 x 轴的情况下将 Zipf 曲线 (f = c / rank) 添加到该图中吗？如何？

Answer 1

在内部，分类 x 轴编号为0,1,2,...。要在相同位置绘制曲线，请使用range(len(lst))x 值。由于 Zipf 定律从 1 开始计算其值，因此相应的 y 值可以计算为zipf.pmf(p, alpha)p 的位置1,2,3,...，alpha 是 zipf 参数。为了与未标准化的条形图对齐，这些值需要乘以总数。这篇文章可用于找到最合适的 alpha。

import matplotlib.pyplot as plt
from scipy.stats import zipf

lst = [(60462, 'Italy'), (46755, 'Spain'), (10423, 'Greece'), (10197, 'Portugal'), (8737, 'Serbia'), (4105, 'Croatia'),
       (3281, 'Bosnia and\nHerzegovina'), (2878, 'Albania'), (2083, 'North\nMacedonia'), (2079, 'Slovenia'),
       (628, 'Montenegro'), (442, 'Malta'), (77, 'Andorra'), (34, 'San Marino'), (34, 'Gibraltar'), (1, 'Holy See')]

plt.bar([key for val, key in lst], [val for val, key in lst], color='limegreen')
alpha = 1.37065874
total = sum([p for p, c in lst])
plt.plot(range(len(lst)), [zipf.pmf(p, alpha) * total for p in range(1, len(lst) + 1)], color='crimson', lw=3)
plt.ylabel("Population")
plt.xticks(rotation='vertical')
plt.tight_layout()
plt.show()