Python相当于MATLAB的normplot？

Question

是否有类似于normplotMATLAB 的python等效函数？也许在matplotlib？

MATLAB语法:

x = normrnd(10,1,25,1);
normplot(x)

得到:

我已经尝试使用matplotlib&numpy模块来确定数组中值的概率/百分位数,但输出图y轴比例与MATLAB的图相比是线性的.

import numpy as np
import matplotlib.pyplot as plt

data =[-11.83,-8.53,-2.86,-6.49,-7.53,-9.74,-9.44,-3.58,-6.68,-13.26,-4.52]
plot_percentiles = range(0, 110, 10) 

x = np.percentile(data, plot_percentiles)
plt.plot(x, plot_percentiles, 'ro-')
plt.xlabel('Value')
plt.ylabel('Probability')  
plt.show() 

得到:

另外,如何在第一个情节中调整尺度？

谢谢.

Answer 1

一个迟到的答案,但我遇到了同样的问题并找到了一个值得分享的解决方案.我猜.

正如joris所指出的那样,probplot函数等同于normplot,但得到的分布是累积密度函数的形式.Scipy.stats还提供了一个函数来转换这些值.

cdf - >百分位数

stats.'distribution function'.cdf(cdf_value)

百分位数 - > cdf

stats.'distribution function'.ppf(percentile_value)

例如:

stats.norm.ppf(percentile)

要获得等效的y轴,如normplot,您可以替换cdf-ticks:

from scipy import stats
import matplotlib.pyplot as plt

nsample=500

#create list of random variables
x=stats.t.rvs(100, size=nsample)

# Calculate quantiles and least-square-fit curve
(quantiles, values), (slope, intercept, r) = stats.probplot(x, dist='norm')

#plot results
plt.plot(values, quantiles,'ob')
plt.plot(quantiles * slope + intercept, quantiles, 'r')

#define ticks
ticks_perc=[1, 5, 10, 20, 50, 80, 90, 95, 99]

#transfrom them from precentile to cumulative density
ticks_quan=[stats.norm.ppf(i/100.) for i in ticks_perc]

#assign new ticks
plt.yticks(ticks_quan,ticks_perc)

#show plot
plt.grid()
plt.show()

结果: