Python SciPy FitResult.plot用法及代码示例

本文简要介绍 python 语言中 scipy.stats._result_classes.FitResult.plot 的用法。

用法:

FitResult.plot(ax=None, *, plot_type='hist')#

直观地将数据与拟合分布进行比较。

仅当安装了 matplotlib 时才可用。

参数 ：：

ax： matplotlib.axes.Axes

用于绘制绘图的 Axes 对象，否则使用当前 Axes。

plot_type： {“hist”, “qq”, “pp”, “cdf”}

要绘制的绘图类型。选项包括：

• “hist”：将拟合分布的 PDF/PMF 叠加在数据的归一化直方图上。

• “qq”：理论分位数与经验分位数的散点图。具体来说，x 坐标是在百分位数 (np.arange(1, n) - 0.5)/n 处评估的拟合分布 PPF 的值，其中 n 是数据点的数量，y 坐标是排序的数据点。

• “pp”：理论百分位数与观察到的百分位数的散点图。具体来说，x 坐标是百分位数 (np.arange(1, n) - 0.5)/n ，其中 n 是数据点的数量，y 坐标是在排序数据点处评估的拟合分布 CDF 的值。

• “cdf”：将拟合分布的 CDF 叠加到经验 CDF 上。具体来说，经验 CDF 的 x 坐标是排序的数据点，y 坐标是百分位数 (np.arange(1, n) - 0.5)/n ，其中 n 是数据点的数量。

返回 ：：

ax： matplotlib.axes.Axes

绘制绘图的 matplotlib Axes 对象。

例子：

>>> import numpy as np
>>> from scipy import stats
>>> import matplotlib.pyplot as plt  # matplotlib must be installed
>>> rng = np.random.default_rng()
>>> data = stats.nbinom(5, 0.5).rvs(size=1000, random_state=rng)
>>> bounds = [(0, 30), (0, 1)]
>>> res = stats.fit(stats.nbinom, data, bounds)
>>> ax = res.plot()  # save matplotlib Axes object

matplotlib.axes.Axes 对象可用于自定义绘图。有关详细信息，请参阅 matplotlib.axes.Axes 文档。

>>> ax.set_xlabel('number of trials')  # customize axis label
>>> ax.get_children()[0].set_linewidth(5)  # customize line widths
>>> ax.legend()
>>> plt.show()