Plottaggio CDF di una serie di panda in python

Question

C'è un modo per farlo? Non riesco a sembrare un modo semplice per interfacciare le serie di panda con la creazione di un CDF.

Answer 1

Credo che la funzionalità che stai cercando è nel metodo hist di un oggetto serie che avvolge la funzione hist() in matplotlib

Ecco la relativa documentazione

In [10]: import matplotlib.pyplot as plt 

In [11]: plt.hist? 
... 
Plot a histogram. 

Compute and draw the histogram of *x*. The return value is a 
tuple (*n*, *bins*, *patches*) or ([*n0*, *n1*, ...], *bins*, 
[*patches0*, *patches1*,...]) if the input contains multiple 
data. 
... 
cumulative : boolean, optional, default : True 
    If `True`, then a histogram is computed where each bin gives the 
    counts in that bin plus all bins for smaller values. The last bin 
    gives the total number of datapoints. If `normed` is also `True` 
    then the histogram is normalized such that the last bin equals 1. 
    If `cumulative` evaluates to less than 0 (e.g., -1), the direction 
    of accumulation is reversed. In this case, if `normed` is also 
    `True`, then the histogram is normalized such that the first bin 
    equals 1. 

... 

Per esempio

In [12]: import pandas as pd 

In [13]: import numpy as np 

In [14]: ser = pd.Series(np.random.normal(size=1000)) 

In [15]: ser.hist(cumulative=True, normed=1, bins=100) 
Out[15]: <matplotlib.axes.AxesSubplot at 0x11469a590> 

In [16]: plt.show() 

Answer 2

Un grafico di funzione di distribuzione cumulativa o CDF è fondamentalmente un grafico con sull'asse X i valori ordinati e sull'asse Y la distribuzione cumulativa. Quindi, vorrei creare una nuova serie con i valori ordinati come indice e la distribuzione cumulativa come valori.

prima creare un serie di esempio:

import pandas as pd 
import numpy as np 
ser = pd.Series(np.random.normal(size=100)) 

Ordina la serie:

ser = ser.sort_values() 

Ora, prima di procedere, aggiungere di nuovo l'ultimo valore (e più grande). Questo passaggio è importante soprattutto per le piccole dimensioni del campione al fine di ottenere un CDF imparziale:

ser[len(ser)] = ser.iloc[-1] 

creare una nuova serie con i valori ordinati come indice e la distribuzione cumulativa come valori:

cum_dist = np.linspace(0.,1.,len(ser)) 
ser_cdf = pd.Series(cum_dist, index=ser) 

Infine, tracciare la funzione come segue:

ser_cdf.plot(drawstyle='steps') 

Answer 3

per me, questo sembrava un modo semplice per farlo:

import numpy as np 
import pandas as pd 
import matplotlib.pyplot as plt 

heights = pd.Series(np.random.normal(size=100)) 

# empirical CDF 
def F(x,data): 
    return float(len(data[data <= x]))/len(data) 

vF = np.vectorize(F, excluded=['data']) 

plt.plot(np.sort(heights),vF(x=np.sort(heights), data=heights)) 

Answer 4

Questo è il modo più semplice.

import pandas as pd 
df = pd.Series([i for i in range(100)]) 
df.hist(cumulative='True') 

Image of cumulative histogram