mirror of
https://github.com/Estom/notes.git
synced 2026-02-07 20:44:38 +08:00
56 lines
2.6 KiB
Markdown
56 lines
2.6 KiB
Markdown
# 使用直方图绘制累积分布
|
||
|
||
这展示了如何绘制一个累积的、归一化的直方图作为一个步骤函数，以便可视化一个样本的经验累积分布函数(CDF)。文中还给出了理论上的CDF值。
|
||
|
||
演示了 ``hist`` 函数的其他几个选项。也就是说，我们使用 ``normed`` 参数来标准化直方图以及 ``累积`` 参数的几个不同选项。normed参数采用布尔值。 如果为 ``True`` ，则会对箱高进行缩放，使得柱状图的总面积为1。``累积``的kwarg稍微有些细微差别。与normed一样，您可以将其传递为True或False，但您也可以将其传递-1以反转分布。
|
||
|
||
由于我们显示了归一化和累积直方图，因此这些曲线实际上是样本的累积分布函数（CDF）。 在工程学中，经验CDF有时被称为“非超越”曲线。 换句话说，您可以查看给定-x值的y值，以使样本的概率和观察值不超过该x值。 例如，x轴上的值225对应于y轴上的约0.85，因此样本中的观察值不超过225的可能性为85％。相反，设置累积为-1，如同已完成 在此示例的最后一个系列中，创建“超出”曲线。
|
||
|
||
选择不同的箱数和大小会显着影响直方图的形状。Astropy文档有关于如何选择这些参数的重要部分：http://docs.astropy.org/en/stable/visualization/histogram.html
|
||
|
||
|
||
|
||
```python
|
||
import numpy as np
|
||
import matplotlib.pyplot as plt
|
||
|
||
np.random.seed(19680801)
|
||
|
||
mu = 200
|
||
sigma = 25
|
||
n_bins = 50
|
||
x = np.random.normal(mu, sigma, size=100)
|
||
|
||
fig, ax = plt.subplots(figsize=(8, 4))
|
||
|
||
# plot the cumulative histogram
|
||
n, bins, patches = ax.hist(x, n_bins, density=True, histtype='step',
|
||
cumulative=True, label='Empirical')
|
||
|
||
# Add a line showing the expected distribution.
|
||
y = ((1 / (np.sqrt(2 * np.pi) * sigma)) *
|
||
np.exp(-0.5 * (1 / sigma * (bins - mu))**2))
|
||
y = y.cumsum()
|
||
y /= y[-1]
|
||
|
||
ax.plot(bins, y, 'k--', linewidth=1.5, label='Theoretical')
|
||
|
||
# Overlay a reversed cumulative histogram.
|
||
ax.hist(x, bins=bins, density=True, histtype='step', cumulative=-1,
|
||
label='Reversed emp.')
|
||
|
||
# tidy up the figure
|
||
ax.grid(True)
|
||
ax.legend(loc='right')
|
||
ax.set_title('Cumulative step histograms')
|
||
ax.set_xlabel('Annual rainfall (mm)')
|
||
ax.set_ylabel('Likelihood of occurrence')
|
||
|
||
plt.show()
|
||
```
|
||
|
||
## 下载这个示例
|
||
|
||
- [下载python源码: histogram_cumulative.py](https://matplotlib.org/_downloads/histogram_cumulative.py)
|
||
- [下载Jupyter notebook: histogram_cumulative.ipynb](https://matplotlib.org/_downloads/histogram_cumulative.ipynb)
|