Funzione di densità di probabilità di plottaggio per campione con matplotlib

Question

Voglio tracciare un'approssimazione della funzione di densità di probabilità basata su un campione che ho; La curva che simula il comportamento dell'istogramma. Posso avere campioni grandi quanto voglio.

Answer 1

Se si desidera tracciare una distribuzione, e tu lo sai, definirlo come una funzione, e tracciare come così:

import numpy as np 
from matplotlib import pyplot as plt 

def my_dist(x): 
    return np.exp(-x ** 2) 

x = np.arange(-100, 100) 
p = my_dist(x) 
plt.plot(x, p) 
plt.show() 

---

Se non avete l'esatta distribuzione come funzione analitica, forse è possibile generare un ampio campione, prendere un istogramma e in qualche modo lisciare i dati:

import numpy as np 
from scipy.interpolate import UnivariateSpline 
from matplotlib import pyplot as plt 

N = 1000 
n = N//10 
s = np.random.normal(size=N) # generate your data sample with N elements 
p, x = np.histogram(s, bins=n) # bin it into n = N//10 bins 
x = x[:-1] + (x[1] - x[0])/2 # convert bin edges to centers 
f = UnivariateSpline(x, p, s=n) 
plt.plot(x, f(x)) 
plt.show() 

È possibile aumentare o diminuire s (fattore di smoothing) all'interno del UnivariateSpline f chiamata per aumentare o diminuire il livellamento. Ad esempio, utilizzando i due ottieni:

Answer 2

Quello che devi fare è usare gaussian_kde dal pacchetto scipy.stats.kde.

dato i dati si può fare qualcosa di simile:

from scipy.stats.kde import gaussian_kde 
from numpy import linspace 
# create fake data 
data = randn(1000) 
# this create the kernel, given an array it will estimate the probability over that values 
kde = gaussian_kde(data) 
# these are the values over wich your kernel will be evaluated 
dist_space = linspace(min(data), max(data), 100) 
# plot the results 
plt.plot(dist_space, kde(dist_space)) 

La densità del kernel può essere configurato a piacimento e in grado di gestire i dati N-dimensionali con facilità. Eviterà anche la distorsione spline che puoi vedere nella trama data da askewchan.