通过生成一些随机数据,使用直方图估计概率密度函数。我现在想要直方图的两个版本,即相等的箱宽和相等的箱高直方图。
# -*- coding: utf-8 -*-
from scipy.stats import norm
import matplotlib.pyplot as plt
#import pandas as pd
import numpy as np
fig, ax = plt.subplots(1, 1)
#Calculate a few first moments:
mean, var, skew, kurt = norm.stats(moments='mvsk')
#Display the probability density function (pdf):
x = np.linspace(norm.ppf(0.01),
norm.ppf(0.99), 100)
ax.plot(x, norm.pdf(x),
'r-', lw=5, alpha=0.6, label='norm pdf')
#Freeze the distribution and display the frozen pdf:
rv = norm()
ax.plot(x, rv.pdf(x), 'b-', lw=2, label='frozen pdf')
#Check accuracy of cdf and ppf:
vals = norm.ppf([0.001, 0.5, 0.999])
np.allclose([0.001, 0.5, 0.999], norm.cdf(vals))
#Generate random numbers:
r = norm.rvs(size=10000)
#df = pd.read_excel('ardata.xlsx')
#r = df[['dest','source']].values
#And compare the histogram:
ax.hist(r, density=True, histtype='stepfilled', alpha=0.2)
ax.legend(loc='best', frameon=False)
plt.show()
如果要生成具有相同宽度和高度的直方图,则不能使用正态分布的随机样本(请参见rvs函数的文档)。为了实现期望的目标,您需要从分布中获取确定性样本。您可以例如:
import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import norm
fig, ax = plt.subplots(1, 1)
# Display the probability density function (pdf):
xppf = np.linspace(norm.ppf(0.01),
norm.ppf(0.99), 100000)
ax.plot(xppf, norm.pdf(xppf, loc=0),
'r-', lw=3, alpha=0.6, label='norm pdf')
# Create histogram:
mybins = np.linspace(norm.ppf(0.01), norm.ppf(0.99), num=12) # Evenly spaced bins
myvals = np.linspace(0.01, 0.99, 100000)
ax.hist(norm.ppf(myvals, loc=0), bins=mybins, density=True,
histtype='stepfilled', alpha=0.2)
ax.legend(loc='best', frameon=False)
plt.xlabel(r'x')
plt.ylabel(r'PDF(x)')
plt.show()
哪些情节:
所获得的直方图将具有均匀间隔的bin(示例中的12个bin设置有linspace),并且它们的高度也相同,因为采样是确定性的(也是使用linspace的结果)。
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句