使用python绘制cdf的多种实现方法_pythoncdf图,python画cdf图 - CSDN文库

5星 · 超过95%的资源 62 浏览量更新于2023-03-03 评论 2 收藏 148KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

使用使用python绘制绘制cdf的多种实现方法的多种实现方法

今天小编就为大家分享一篇使用python绘制cdf的多种实现方法，具有很好的参考价值，希望对大家有所帮助。

一起跟随小编过来看看吧

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

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余3页未读，立即下载

评论5

yiyi分析亲密关系

2023-07-25

作者对于每种方法的优缺点进行了客观分析，帮助读者做出合理的选择。

weixin_38691220

粉丝: 2
资源: 940

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈