python 绘制KM曲线

在Python中，绘制Kolmogorov-Smirnov (KS)曲线，也称为Kolmogorov-Smirnov检验图，通常用于比较两个分布之间的相似性。这个过程可能涉及到统计分析库如SciPy或Matplotlib。以下是一个简单的步骤说明：

1. 首先，你需要安装必要的库，例如`matplotlib`和`scipy`。如果你还没有安装，可以使用`pip`进行安装：

   pip install matplotlib scipy

2. 导入所需的模块：

   import matplotlib.pyplot as plt
   from scipy.stats import kstest, kde

3. 假设你有两个样本数据集，分别代表两个分布：

   data1 = ...  # 你的第一个样本数据
   data2 = ...  # 你的第二个样本数据

4. 计算KS统计量和p值：

   statistic, p_value = kstest(data1, 'norm', args=(data2.mean(), data2.std()))

`kstest`函数会计算两个样本在正态分布下的KS统计值，并返回统计量和显著性水平。

5. 绘制累积分布函数（CDF）：

   def ecdf(data):
       x = np.sort(data)
       y = np.arange(1, len(x)+1) / len(x)
       return x, y

   x1, y1 = ecdf(data1)
   x2, y2 = ecdf(data2)

   plt.plot(x1, y1, label='Sample 1 CDF')
   plt.plot(x2, y2, label='Sample 2 CDF')

6. 绘制KS线和统计信息：

   plt.axvline(statistic, color='red', linestyle='--', label=f"KS Statistic: {statistic:.3f}")
   plt.axhline(p_value, color='red', linestyle='--', label=f"P-value: {p_value:.3f}")

   plt.xlabel('Value')
   plt.ylabel('CDF')
   plt.legend()

7. 显示图表：

   plt.title('Kolmogorov-Smirnov Test and CDFs')
   plt.show()