Python如何處理PDF與CDF

這篇文章給大家分享的是有關Python如何處理PDF與CDF的內容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。

在拿到數據后，最需要做的工作之一就是查看一下自己的數據分布情況。而針對數據的分布，又包括pdf和cdf兩類。

下面介紹使用python生成pdf的方法：

使用matplotlib的畫圖接口hist()，直接畫出pdf分布；

使用numpy的數據處理函數histogram()，可以生成pdf分布數據，方便進行后續的數據處理，比如進一步生成cdf；

使用seaborn的distplot()，好處是可以進行pdf分布的擬合，查看自己數據的分布類型；

上圖所示為采用3種算法生成的pdf圖。下面是源代碼。

from scipy import stats
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns

arr = np.random.normal(size=100)

# plot histogram
plt.subplot(221)
plt.hist(arr)

# obtain histogram data
plt.subplot(222)
hist, bin_edges = np.histogram(arr)
plt.plot(hist)

# fit histogram curve
plt.subplot(223)
sns.distplot(arr, kde=False, fit=stats.gamma, rug=True)
plt.show()

下面介紹使用python生成cdf的方法：

使用numpy的數據處理函數histogram()，生成pdf分布數據，進一步生成cdf；

使用seaborn的cumfreq()，直接畫出cdf；

上圖所示為采用2種算法生成的cdf圖。下面是源代碼。

from scipy import stats
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns

arr = np.random.normal(size=100)

plt.subplot(121)
hist, bin_edges = np.histogram(arr)
cdf = np.cumsum(hist)
plt.plot(cdf)

plt.subplot(122)
cdf = stats.cumfreq(arr)
plt.plot(cdf[0])

plt.show()

在更多時候，需要把pdf和cdf放在一起，可以更好的顯示數據分布。這個實現需要把pdf和cdf分別進行歸一化。

上圖所示為歸一化的pdf和cdf。下面是源代碼。

from scipy import stats
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns

arr = np.random.normal(size=100)

hist, bin_edges = np.histogram(arr)
width = (bin_edges[1] - bin_edges[0]) * 0.8
plt.bar(bin_edges[1:], hist/max(hist), width=width, color='#5B9BD5')

cdf = np.cumsum(hist/sum(hist))
plt.plot(bin_edges[1:], cdf, '-*', color='#ED7D31')

plt.xlim([-2, 2])
plt.ylim([0, 1])
plt.grid()

plt.show()

感謝各位的閱讀！關于“Python如何處理PDF與CDF”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！