使用python绘制cdf的多种方法

最新推荐文章于 2025-06-12 09:15:23 发布

原创

最新推荐文章于 2025-06-12 09:15:23 发布 · 3.7w 阅读

84 ·

CC 4.0 BY-SA版权

文章标签：

#使用python绘制cdf

使用python绘制cdf的多种方法

首先我们先用随机函数编造一个包含1000个数值的一维numpy数组，如下：

// An highlighted block
rng = np.random.RandomState(seed=12345)
samples = stats.norm.rvs(size=1000, random_state=rng)

接下来我们将使用各种方法画出以上数据的累积分布图

1、matplotlib.pyplot.hist()

    def hist(self, x, bins=None, range=None, density=None, weights=None,
             cumulative=False, bottom=None, histtype='bar', align='mid',
             orientation='vertical', rwidth=None, log=False,
             color=None, label=None, stacked=False, normed=None,
             **kwargs):

第一种方法，我们使用matplotlib图形库中的hist函数，熟悉该库的人应该知道这是一个直方图绘制函数，以上是从API中找到的hist函数的所有参数，我们给出一维数组或者列表x，使用hist画出该数据的直方图。直方图有两种形式，分别是概率分布直方图和累积分布直方图（可能说的不准确- -！），可以通过参数cucumulative来调节，默认为False，画出的是PDF，那么True画出的便是CDF直方图。PDF（figure1）可以观察到整个数据在横轴范围内的分布，CDF（figure2）则可以看出不同的数据分布间的差异性，也可以观察到整个数据的增长趋势和波动情况。

上图是概率分布直方图，纵轴代表概率，如果置参数normed=False，纵轴代表频数
上图是累积分布直方图，纵轴代表概率
如果我们要观察两种数据分布的差异，可能使用直方图就不是很直观，各种直方柱会相互重叠，我们只需更改直方图的图像类型，令histtype=‘step’，就会画出一条曲线来（Figure3，实际上就是将直方柱并在一起，除边界外颜色透明），类似于累积分布曲线。这时，我们就能很好地观察到不