如何在Python中用matplotlib绘制cdf？
man*_*ing 17 python matplotlib
我有一个名为的无序列表d,如下所示:
[0.0000, 123.9877,0.0000,9870.9876, ...]
我只是想通过在Python中使用Matplotlib来绘制基于此列表的cdf图.但是不知道我是否可以使用任何功能
d = []
d_sorted = []
for line in fd.readlines():
(addr, videoid, userag, usertp, timeinterval) = line.split()
d.append(float(timeinterval))
d_sorted = sorted(d)
class discrete_cdf:
def __init__(data):
self._data = data # must be sorted
self._data_len = float(len(data))
def __call__(point):
return (len(self._data[:bisect_left(self._data, point)]) /
self._data_len)
cdf = discrete_cdf(d_sorted)
xvalues = range(0, max(d_sorted))
yvalues = [cdf(point) for point in xvalues]
plt.plot(xvalues, yvalues)
现在我正在使用此代码,但错误消息是:
Traceback (most recent call last):
File "hitratioparea_0117.py", line 43, in <module>
cdf = discrete_cdf(d_sorted)
TypeError: __init__() takes exactly 1 argument (2 given)
Hoo*_*ked 28
如上所述,cumsum从中numpy运作良好.确保您的数据是正确的PDF(即总和为1),否则CDF将不会以应有的方式结束.这是一个最小的工作示例:
import numpy as np
from pylab import *
# Create some test data
dx = 0.01
X = np.arange(-2, 2, dx)
Y = exp(-X ** 2)
# Normalize the data to a proper PDF
Y /= (dx * Y).sum()
# Compute the CDF
CY = np.cumsum(Y * dx)
# Plot both
plot(X, Y)
plot(X, CY, 'r--')
show()
- 我只有“Y”作为测量数组。我如何确定我的“X”？我仍然设置`dx=0.01`吗？ (3认同)
MPa*_*ath 22
我知道我迟到了.但是,如果你只想要你的情节的cdf而不是将来的计算,有一种更简单的方法:
plt.hist(put_data_here, normed=True, cumulative=True, label='CDF',
histtype='step', alpha=0.8, color='k')
例如,生成其中一个图形的相关代码是:
plt.hist(dataset, bins=bins, normed=True, cumulative=True, label='CDF DATA',
histtype='step', alpha=0.55, color='purple')
# bins and (lognormal / normal) datasets are pre-defined
编辑:来自matplotlib文档的这个例子可能更有帮助.
- 只是 2018 年的更新：不推荐使用 `normed` 以支持 `density`。 (6认同)
- 我不太喜欢最后的曲线下降。根据我的理解，CDF应该以1结尾。有什么简单的方法可以摆脱这种情况？因为我在一个图中有多个CDF，每个图都有不同的下降，所以切除图的右边缘将无济于事。 (4认同)
计算累积和的numpy函数在cumsum这里很有用
In [1]: from numpy import cumsum
In [2]: cumsum([.2, .2, .2, .2, .2])
Out[2]: array([ 0.2, 0.4, 0.6, 0.8, 1. ])
小智 8
现在，您只需使用seabornskdeplot函数和cumulativeas True 即可生成 CDF。
import numpy as np
from matplotlib import pyplot as plt
import seaborn as sns
X1 = np.arange(100)
X2 = (X1 ** 2) / 100
sns.kdeplot(data = X1, cumulative = True, label = "X1")
sns.kdeplot(data = X2, cumulative = True, label = "X2")
plt.legend()
plt.show()
- 请注意，这绘制了 CDF 的平滑*估计*，而不是实际数据值的步骤。您可以看到，事实上，即使最小数据值为 0，绘制的 x 值也会延伸到 0 以下。但这向我指出了 Seaborn 提供了一种直接执行此操作的方法：sns.ecdfplot()，它绘制了实际的步进价值观。https://seaborn.pydata.org/ generated/seaborn.ecdfplot.html (7认同)
对于任意值集合，x：
def cdf(x, plot=True, *args, **kwargs):
x, y = sorted(x), np.arange(len(x)) / len(x)
return plt.plot(x, y, *args, **kwargs) if plot else (x, y)
（（如果您是 python 新手，*args 和 **kwargs 允许您传递参数和命名参数，而无需显式声明和管理它们））