在Python中使用相同的bin获取可变大小numpy数组的CDF？

Question

我想为几个numpy数组(每个数组具有不同的长度)制作一组可比较的经验CDF，并将它们存储在pandas数据帧中：

a = scipy.randn(100)
b = scipy.randn(500)
# ECDF from statmodels
cdf_a = ECDF(a)
cdf_b = ECDF(b)

问题是，cdf_a.x, cdf_a.y会有不同的cdf_b.x, cdf_b.y长度，我希望它们是相同的长度，即使用相同数量的柱子来计算CDF，以便可以从熊猫DataFrame以相同的比例绘制这些数据。这是不可能的：

df = pandas.DataFrame({"cdf_a": cdf_a.y, "cdf_b": cdf_b.y})

因为cdfs的长度不同。我怎样才能在计算a和b的CDF时使用相似的bin，这样我就可以得到同等长度的向量了？

这是最好的解决方案吗？

bins = np.linspace(0, 1, 10)
v1 = cdf_a(bins)
v2 = cdf_b(bins)

Answer 1

看起来这是一个很好的解决方案：

bins = np.linspace(0, 1, 10)
v1 = cdf_a(bins)
v2 = cdf_b(bins)

然后，len(v1) == len(v2)和这些可以在相同比例上绘制为a, b的CDF。

Answer 2

我们在一些拟合优度测试中使用它的方法是堆叠数组，因此它们是在所有点上定义的，来自两个数组的点。

然后使用np.searchsorted获得排名，数据集1中低于x的点数和数据集2中低于x的点数。

如果我没记错的话，看看scipy.stats.ks_2samp

data1 = np.sort(data1)
data2 = np.sort(data2)
data_all = np.concatenate([data1,data2])
cdf1 = np.searchsorted(data1,data_all,side='right')/(1.0*n1)
cdf2 = (np.searchsorted(data2,data_all,side='right'))/(1.0*n2)