我如何在Matplotlib中绘制CDF而不将我的数据放入库中？

Question

我可以通过使用累积直方图在Matplotlib中轻松创建CDF：

data = np.linspace(0, 100, num=10000)
plt.hist(data, cumulative=True, density=1)

结果是这样的：

​

​

我可以增加仓位计数以获得更好的近似值：

plt.hist(data, bins=50, cumulative=True, density=1)

现在的结果是：

​

​

这仍然不是很好。我知道我可以让bin计数更高，但这对我来说是一个非常令人不满意的解决方案。

有没有一种方法可以绘制CDF，而不会使我失去一些精度？就像无箱直方图之类的？

Answer 1

您谈论的是从样本导出的ECDF (经验累积分布函数)，而累积直方图通常不是这样做的。通常要做的是对样本进行排序，找到唯一的值，并找到小于或等于这些唯一值的样本的比例；不需要调整bin宽度。

ECDF在每个唯一的值处都有不连续的跳跃，因此为了绘图，您可能需要为每个跳跃提供两个值。以下代码将为您提供用于plot ECDF的x和y：

def ecdf4plot(seq, assumeSorted = False):
    """
    In:
    seq - sorted-able object containing values
    assumeSorted - specifies whether seq is sorted or not
    Out:
    0. values of support at both points of jump discontinuities
    1. values of ECDF at both points of jump discontinuities
       ECDF's true value at a jump discontinuity is the higher one    """
    if not assumeSorted:
        seq = sorted(seq)
    prev = seq[0]
    n = len(seq)
    support = [prev]
    ECDF = [0.]
    for i in range(1, n):
        seqi = seq[i]
        if seqi != prev:
            preP = i/n
            support.append(prev)
            ECDF.append(preP)
            support.append(seqi)
            ECDF.append(preP)
            prev = seqi
    support.append(prev)
    ECDF.append(1.)
    return support, ECDF

# example usage
import numpy as np
from matplotlib import pyplot as plt

plt.plot(*ecdf4plot(np.random.randn(100)))