Python SciPy FitResult.plot用法及代碼示例

本文簡要介紹 python 語言中 scipy.stats._result_classes.FitResult.plot 的用法。

用法:

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

直觀地將數據與擬合分布進行比較。

僅當安裝了 matplotlib 時才可用。

參數 ：：

ax： matplotlib.axes.Axes

用於繪製繪圖的 Axes 對象，否則使用當前 Axes。

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

要繪製的繪圖類型。選項包括：

• “hist”：將擬合分布的 PDF/PMF 疊加在數據的歸一化直方圖上。

• “qq”：理論分位數與經驗分位數的散點圖。具體來說，x 坐標是在百分位數 (np.arange(1, n) - 0.5)/n 處評估的擬合分布 PPF 的值，其中 n 是數據點的數量，y 坐標是排序的數據點。

• “pp”：理論百分位數與觀察到的百分位數的散點圖。具體來說，x 坐標是百分位數 (np.arange(1, n) - 0.5)/n ，其中 n 是數據點的數量，y 坐標是在排序數據點處評估的擬合分布 CDF 的值。

• “cdf”：將擬合分布的 CDF 疊加到經驗 CDF 上。具體來說，經驗 CDF 的 x 坐標是排序的數據點，y 坐標是百分位數 (np.arange(1, n) - 0.5)/n ，其中 n 是數據點的數量。

返回 ：：

ax： matplotlib.axes.Axes

繪製繪圖的 matplotlib Axes 對象。

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 對象可用於自定義繪圖。有關詳細信息，請參閱 matplotlib.axes.Axes 文檔。

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