在matplotlib中绘制离散计数数据的有界CDF

Question

我有一个名为“data”的numpy数组，这个数组里只包含了一些整数计数。现在我还有另一个数组“bins”，我想根据这个数组来制作一个频率图或者累积分布函数（CDF），显示在“data”中有多少比例的条目满足至少有“bins[0]”个计数、至少有“bins[1]”个计数，等等。最后，我想把这个结果做成一个条形图，用matplotlib来实现。举个例子，如果：

data = [1, 4, 5, 10]
bins = [0, 5, 6, 7]

那么结果应该是一个条形图，x轴上显示0、5、6、7，然后y轴显示在“data”中大于等于0的值的比例、然后是大于等于5的值的比例，等等。我该如何在matplotlib中制作这种带有指定区间的“离散”CDF条形图呢？谢谢。

Answer 1

如果你在使用matplotlib，我想你也在用numpy，所以你可以遍历一下 bins，计算出有多少 data 的值大于每一个 bin。也就是说，你要对每一个 data 在 datas 中，以及每一个 bin 在 bins 中进行这个比较。

为了实现这个，你可以这样做：

import numpy as np
# turn data into numpy array for easier manipulation
data2 = np.array(data)
n     = len(data2)

# calculate fractions for each bin in bins
# astype('float') because otherwise you end up doing integer arithmetic
fracs = [ sum(data2>=bin).astype('float')/n for bin in bins ]

现在只需要把 bins 和 fracs 画出来，比如：

import matplotlib.pyplot as plt
plt.bar(bins,fracs)
plt.show()