Python SciPy stats.cumfreq用法及代码示例

本文简要介绍 python 语言中 scipy.stats.cumfreq 的用法。

用法:

scipy.stats.cumfreq(a, numbins=10, defaultreallimits=None, weights=None)#

使用 histogram 函数返回累积频率直方图。

累积直方图是一种映射，它计算所有 bin 中的累积观测数，直到指定 bin。

参数 ：：

a： array_like

输入数组。

numbins： 整数，可选

用于直方图的 bin 数量。默认值为 10。

defaultreallimits： 元组(下，上)，可选

直方图范围的下限值和上限值。如果没有给出值，则范围略大于中的值的范围a用来。具体来说(a.min() - s, a.max() + s)，其中s = (1/2)(a.max() - a.min()) / (numbins - 1).

weights： 数组，可选

a中每个值的权重。默认为无，它为每个值赋予 1.0 的权重

返回 ：：

cumcount： ndarray

累积频率的分箱值。

lowerlimit： 浮点数

实际下限

binsize： 浮点数

每个 bin 的宽度。

extrapoints： int

加分。

例子：

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from scipy import stats
>>> rng = np.random.default_rng()
>>> x = [1, 4, 2, 1, 3, 1]
>>> res = stats.cumfreq(x, numbins=4, defaultreallimits=(1.5, 5))
>>> res.cumcount
array([ 1.,  2.,  3.,  3.])
>>> res.extrapoints
3

创建具有 1000 个随机值的正态分布

>>> samples = stats.norm.rvs(size=1000, random_state=rng)

计算累积频率

>>> res = stats.cumfreq(samples, numbins=25)

计算 x 的值空间

>>> x = res.lowerlimit + np.linspace(0, res.binsize*res.cumcount.size,
...                                  res.cumcount.size)

绘制直方图和累积直方图

>>> fig = plt.figure(figsize=(10, 4))
>>> ax1 = fig.add_subplot(1, 2, 1)
>>> ax2 = fig.add_subplot(1, 2, 2)
>>> ax1.hist(samples, bins=25)
>>> ax1.set_title('Histogram')
>>> ax2.bar(x, res.cumcount, width=res.binsize)
>>> ax2.set_title('Cumulative histogram')
>>> ax2.set_xlim([x.min(), x.max()])

>>> plt.show()