trame di distribuzione cumulativa di pitone

Question

Sto facendo un progetto utilizzando python dove ho due array di dati. Chiamiamoli pc e PNC. Sono obbligato a tracciare una distribuzione cumulativa di entrambi su uno stesso grafico. Per pc si suppone che sia un valore inferiore alla trama, ad esempio (x, y), i punti y in pc devono avere un valore inferiore a x. Per pnc deve essere un valore maggiore della trama, ad esempio (x, y), i punti y in pnc devono avere un valore superiore a x.

Ho provato a utilizzare la funzione istogramma - pyplot.hist. C'è un modo migliore e più semplice per fare ciò che voglio? Inoltre, deve essere tracciato su una scala logaritmica sull'asse x.

Answer 1

Si erano vicini. Non si deve usare come plt.hist numpy.histogram, che sia i valori ed i bidoni dà, che si può tracciare il cumulativo con facilità:

import numpy as np 
import matplotlib.pyplot as plt 

# some fake data 
data = np.random.randn(1000) 
# evaluate the histogram 
values, base = np.histogram(data, bins=40) 
#evaluate the cumulative 
cumulative = np.cumsum(values) 
# plot the cumulative function 
plt.plot(base[:-1], cumulative, c='blue') 
#plot the survival function 
plt.plot(base[:-1], len(data)-cumulative, c='green') 

plt.show() 

Answer 2

Utilizzando istogrammi è davvero inutilmente pesante e impreciso (il binning rende sfocati i dati): puoi solo ordinare tutti i valori x: l'indice di ogni valore è il numero di valori che sono più piccoli. Questa soluzione più breve e più semplice si presenta così:

import numpy as np 
import matplotlib.pyplot as plt 

# Some fake data: 
data = np.random.randn(1000) 

sorted_data = np.sort(data) # Or data.sort(), if data can be modified 

# Cumulative counts: 
plt.step(sorted_data, np.arange(sorted_data.size)) # From 0 to the number of data points-1 
plt.step(sorted_data[::-1], np.arange(sorted_data.size)) # From the number of data points-1 to 0 

plt.show() 

Inoltre, uno stile di stampa più appropriato è davvero plt.step() invece di plt.plot(), dal momento che i dati sono in posizioni discrete.

Il risultato è:

Si può vedere che è più frastagliato che l'output della risposta di EnricoGiampieri, ma questo è il vero istogramma (invece di essere un approssimativo, la versione più confusa di esso).

PS: come ha osservato SebastianRaschka, l'ultimo punto dovrebbe idealmente mostrare il conteggio totale (invece del conteggio totale-1). Ciò può essere ottenuto con:

plt.step(np.concatenate([sorted_data, sorted_data[[-1]]]), 
     np.arange(sorted_data.size+1)) 
plt.step(np.concatenate([sorted_data[::-1], sorted_data[[0]]]), 
     np.arange(sorted_data.size+1)) 

Ci sono tanti punti in data che l'effetto non è visibile senza uno zoom, ma l'ultimo punto al conteggio totale non importa quando i dati contiene solo un paio di punti.

Answer 3

Dopo la discussione conclusiva con @EOL, ho voluto pubblicare la mia soluzione (in alto a sinistra) utilizzando un campione casuale gaussiana come una sintesi:

import numpy as np 
import matplotlib.pyplot as plt 
from math import ceil, floor, sqrt 

def pdf(x, mu=0, sigma=1): 
    """ 
    Calculates the normal distribution's probability density 
    function (PDF). 

    """ 
    term1 = 1.0/(sqrt(2*np.pi) * sigma) 
    term2 = np.exp(-0.5 * ((x-mu)/sigma)**2) 
    return term1 * term2 


# Drawing sample date poi 
################################################## 

# Random Gaussian data (mean=0, stdev=5) 
data1 = np.random.normal(loc=0, scale=5.0, size=30) 
data2 = np.random.normal(loc=2, scale=7.0, size=30) 
data1.sort(), data2.sort() 

min_val = floor(min(data1+data2)) 
max_val = ceil(max(data1+data2)) 

################################################## 




fig = plt.gcf() 
fig.set_size_inches(12,11) 

# Cumulative distributions, stepwise: 
plt.subplot(2,2,1) 
plt.step(np.concatenate([data1, data1[[-1]]]), np.arange(data1.size+1), label='$\mu=0, \sigma=5$') 
plt.step(np.concatenate([data2, data2[[-1]]]), np.arange(data2.size+1), label='$\mu=2, \sigma=7$') 

plt.title('30 samples from a random Gaussian distribution (cumulative)') 
plt.ylabel('Count') 
plt.xlabel('X-value') 
plt.legend(loc='upper left') 
plt.xlim([min_val, max_val]) 
plt.ylim([0, data1.size+1]) 
plt.grid() 

# Cumulative distributions, smooth: 
plt.subplot(2,2,2) 

plt.plot(np.concatenate([data1, data1[[-1]]]), np.arange(data1.size+1), label='$\mu=0, \sigma=5$') 
plt.plot(np.concatenate([data2, data2[[-1]]]), np.arange(data2.size+1), label='$\mu=2, \sigma=7$') 

plt.title('30 samples from a random Gaussian (cumulative)') 
plt.ylabel('Count') 
plt.xlabel('X-value') 
plt.legend(loc='upper left') 
plt.xlim([min_val, max_val]) 
plt.ylim([0, data1.size+1]) 
plt.grid() 


# Probability densities of the sample points function 
plt.subplot(2,2,3) 

pdf1 = pdf(data1, mu=0, sigma=5) 
pdf2 = pdf(data2, mu=2, sigma=7) 
plt.plot(data1, pdf1, label='$\mu=0, \sigma=5$') 
plt.plot(data2, pdf2, label='$\mu=2, \sigma=7$') 

plt.title('30 samples from a random Gaussian') 
plt.legend(loc='upper left') 
plt.xlabel('X-value') 
plt.ylabel('probability density') 
plt.xlim([min_val, max_val]) 
plt.grid() 


# Probability density function 
plt.subplot(2,2,4) 

x = np.arange(min_val, max_val, 0.05) 

pdf1 = pdf(x, mu=0, sigma=5) 
pdf2 = pdf(x, mu=2, sigma=7) 
plt.plot(x, pdf1, label='$\mu=0, \sigma=5$') 
plt.plot(x, pdf2, label='$\mu=2, \sigma=7$') 

plt.title('PDFs of Gaussian distributions') 
plt.legend(loc='upper left') 
plt.xlabel('X-value') 
plt.ylabel('probability density') 
plt.xlim([min_val, max_val]) 
plt.grid() 

plt.show()