当前位置：极客教程 > Matplotlib > Matplotlib 问答 > 使用Matplotlib在Python中计算和绘制累积分布函数的完整指南

使用Matplotlib在Python中计算和绘制累积分布函数的完整指南

使用Matplotlib在Python中计算和绘制累积分布函数的完整指南

参考：How to calculate and plot a Cumulative Distribution function with Matplotlib in Python

累积分布函数（Cumulative Distribution Function，简称CDF）是概率论和统计学中的一个重要概念，它描述了随机变量小于或等于某个值的概率。在数据分析和可视化中，CDF是一个强大的工具，可以帮助我们理解数据的分布特征。本文将详细介绍如何使用Python的Matplotlib库来计算和绘制CDF，并提供多个实用示例。

1. 累积分布函数的基本概念

累积分布函数是描述随机变量分布的一种方式。对于一个随机变量X，其CDF定义为：

F(x) = P(X ≤ x)

这个函数表示随机变量X小于或等于x的概率。CDF具有以下特性：

  1. 单调递增：对于任意x1 < x2，有F(x1) ≤ F(x2)
  2. 右连续：lim(x→a+) F(x) = F(a)
  3. 极限：lim(x→-∞) F(x) = 0，lim(x→+∞) F(x) = 1

理解CDF的概念对于数据分析和统计推断至关重要。接下来，我们将学习如何使用Python和Matplotlib来计算和可视化CDF。

2. 准备工作：导入必要的库

在开始绘制CDF之前，我们需要导入必要的Python库。主要使用的库包括：

以下是一个基本的导入示例：

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

# 设置中文字体支持
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

print("Welcome to how2matplotlib.com")

这段代码导入了所需的库，并设置了Matplotlib支持中文显示。接下来，我们将开始探索如何计算和绘制CDF。

3. 手动计算和绘制CDF

在使用Matplotlib绘制CDF之前，我们首先需要计算CDF的值。最简单的方法是手动计算累积概率。以下是一个基本示例：

import numpy as np
import matplotlib.pyplot as plt

# 生成示例数据
data = np.random.normal(0, 1, 1000)

# 计算CDF
sorted_data = np.sort(data)
y = np.arange(1, len(data) + 1) / len(data)

# 绘制CDF
plt.figure(figsize=(10, 6))
plt.plot(sorted_data, y, label='CDF')
plt.title('手动计算的累积分布函数 - how2matplotlib.com')
plt.xlabel('值')
plt.ylabel('累积概率')
plt.legend()
plt.grid(True)
plt.show()

print("Visit how2matplotlib.com for more examples")

Output:

使用Matplotlib在Python中计算和绘制累积分布函数的完整指南

在这个例子中，我们首先生成了1000个服从标准正态分布的随机数。然后，我们对数据进行排序，并计算每个数据点对应的累积概率。最后，使用Matplotlib的plot函数绘制CDF曲线。

这种方法简单直观，适用于小型数据集。但对于大型数据集或需要更精确计算的情况，我们可能需要使用更高效的方法。

4. 使用NumPy的histogram函数计算CDF

NumPy的histogram函数可以帮助我们更高效地计算CDF。以下是一个使用histogram函数的示例：

import numpy as np
import matplotlib.pyplot as plt

# 生成示例数据
data = np.random.exponential(scale=2, size=1000)

# 计算CDF
counts, bin_edges = np.histogram(data, bins=50, density=True)
cdf = np.cumsum(counts) * np.diff(bin_edges)

# 绘制CDF
plt.figure(figsize=(10, 6))
plt.plot(bin_edges[1:], cdf, label='CDF')
plt.title('使用NumPy histogram计算的CDF - how2matplotlib.com')
plt.xlabel('值')
plt.ylabel('累积概率')
plt.legend()
plt.grid(True)
plt.show()

print("Learn more at how2matplotlib.com")

Output:

使用Matplotlib在Python中计算和绘制累积分布函数的完整指南

这个例子中，我们使用了指数分布的随机数据。通过histogram函数，我们首先计算了概率密度函数（PDF），然后通过累加得到CDF。这种方法在处理大型数据集时更加高效。

5. 使用SciPy的stats模块计算和绘制CDF

SciPy的stats模块提供了许多统计函数，包括计算CDF的函数。以下是一个使用SciPy计算和绘制CDF的示例：

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

# 生成示例数据
data = np.random.gamma(2, 2, 1000)

# 计算CDF
x = np.sort(data)
y = stats.gamma.cdf(x, 2, scale=2)

# 绘制CDF
plt.figure(figsize=(10, 6))
plt.plot(x, y, label='理论CDF')
plt.step(x, np.arange(1, len(x) + 1) / len(x), label='经验CDF', where='post')
plt.title('使用SciPy计算的Gamma分布CDF - how2matplotlib.com')
plt.xlabel('值')
plt.ylabel('累积概率')
plt.legend()
plt.grid(True)
plt.show()

print("Explore more at how2matplotlib.com")

Output:

使用Matplotlib在Python中计算和绘制累积分布函数的完整指南

在这个例子中，我们使用了Gamma分布的随机数据。SciPy的stats.gamma.cdf函数计算了理论CDF，我们同时绘制了理论CDF和经验CDF（使用step函数）进行比较。

6. 绘制多个CDF曲线进行比较

在实际应用中，我们经常需要比较不同数据集或不同分布的CDF。以下是一个绘制多个CDF曲线的示例：

import numpy as np
import matplotlib.pyplot as plt

# 生成不同分布的数据
normal_data = np.random.normal(0, 1, 1000)
uniform_data = np.random.uniform(-3, 3, 1000)
exponential_data = np.random.exponential(1, 1000)

# 计算CDF
def calculate_cdf(data):
    sorted_data = np.sort(data)
    y = np.arange(1, len(data) + 1) / len(data)
    return sorted_data, y

# 绘制多个CDF
plt.figure(figsize=(12, 7))
for data, label in zip([normal_data, uniform_data, exponential_data], 
                       ['正态分布', '均匀分布', '指数分布']):
    x, y = calculate_cdf(data)
    plt.plot(x, y, label=label)

plt.title('不同分布的CDF比较 - how2matplotlib.com')
plt.xlabel('值')
plt.ylabel('累积概率')
plt.legend()
plt.grid(True)
plt.show()

print("Visit how2matplotlib.com for more visualization tips")

Output:

使用Matplotlib在Python中计算和绘制累积分布函数的完整指南

这个例子展示了如何在同一图表中绘制多个CDF曲线，便于比较不同分布的特征。我们使用了正态分布、均匀分布和指数分布的数据进行比较。

7. 使用阶跃函数绘制离散CDF

对于离散数据，使用阶跃函数绘制CDF更为合适。以下是一个示例：

import numpy as np
import matplotlib.pyplot as plt

# 生成离散数据
data = np.random.poisson(lam=2, size=1000)

# 计算CDF
x = np.sort(np.unique(data))
y = np.cumsum(np.bincount(data)) / len(data)

# 绘制离散CDF
plt.figure(figsize=(10, 6))
plt.step(x, y, where='post', label='离散CDF')
plt.title('泊松分布的离散CDF - how2matplotlib.com')
plt.xlabel('值')
plt.ylabel('累积概率')
plt.legend()
plt.grid(True)
plt.show()

print("Learn more about discrete distributions at how2matplotlib.com")

这个例子使用了泊松分布的随机数据，展示了如何使用step函数绘制离散CDF。这种方法特别适用于计数数据或其他离散分布。

8. 添加置信区间到CDF图

在某些情况下，我们可能需要在CDF图上添加置信区间。以下是一个使用bootstrap方法计算和绘制置信区间的示例：

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

# 生成示例数据
data = np.random.normal(0, 1, 1000)

# 计算CDF和置信区间
def bootstrap_cdf(data, num_bootstrap=1000, ci=0.95):
    sorted_data = np.sort(data)
    y = np.arange(1, len(data) + 1) / len(data)

    bootstrap_cdfs = []
    for _ in range(num_bootstrap):
        bootstrap_sample = np.random.choice(data, size=len(data), replace=True)
        bootstrap_cdf = np.interp(sorted_data, np.sort(bootstrap_sample), y)
        bootstrap_cdfs.append(bootstrap_cdf)

    lower = np.percentile(bootstrap_cdfs, (1 - ci) / 2 * 100, axis=0)
    upper = np.percentile(bootstrap_cdfs, (1 + ci) / 2 * 100, axis=0)

    return sorted_data, y, lower, upper

# 绘制CDF和置信区间
x, y, lower, upper = bootstrap_cdf(data)

plt.figure(figsize=(10, 6))
plt.plot(x, y, label='CDF')
plt.fill_between(x, lower, upper, alpha=0.3, label='95% 置信区间')
plt.title('CDF with 置信区间 - how2matplotlib.com')
plt.xlabel('值')
plt.ylabel('累积概率')
plt.legend()
plt.grid(True)
plt.show()

print("Explore statistical visualization at how2matplotlib.com")

Output:

使用Matplotlib在Python中计算和绘制累积分布函数的完整指南

这个例子展示了如何使用bootstrap方法计算CDF的置信区间，并在图表中用阴影区域表示。这种方法可以帮助我们了解CDF估计的不确定性。

9. 绘制经验CDF和理论CDF的对比

在数据分析中，我们经常需要比较数据的经验CDF和理论分布的CDF。以下是一个示例：

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

# 生成示例数据
data = np.random.normal(0, 1, 1000)

# 计算经验CDF
sorted_data = np.sort(data)
y = np.arange(1, len(data) + 1) / len(data)

# 计算理论CDF
x = np.linspace(min(data), max(data), 100)
theoretical_cdf = stats.norm.cdf(x, loc=0, scale=1)

# 绘制对比图
plt.figure(figsize=(10, 6))
plt.plot(sorted_data, y, label='经验CDF')
plt.plot(x, theoretical_cdf, label='理论CDF', linestyle='--')
plt.title('经验CDF vs 理论CDF (正态分布) - how2matplotlib.com')
plt.xlabel('值')
plt.ylabel('累积概率')
plt.legend()
plt.grid(True)
plt.show()

print("Compare distributions at how2matplotlib.com")

Output:

使用Matplotlib在Python中计算和绘制累积分布函数的完整指南

这个例子展示了如何在同一图表中绘制数据的经验CDF和对应的理论CDF（这里是标准正态分布）。这种比较可以帮助我们判断数据是否符合某个理论分布。

10. 使用CDF进行数据分析

CDF不仅可以用于可视化，还可以用于数据分析。以下是一个使用CDF进行数据分析的示例：

import numpy as np
import matplotlib.pyplot as plt

# 生成示例数据
data1 = np.random.normal(0, 1, 1000)
data2 = np.random.normal(0.5, 1.2, 1000)

# 计算CDF
def calculate_cdf(data):
    sorted_data = np.sort(data)
    y = np.arange(1, len(data) + 1) / len(data)
    return sorted_data, y

# 绘制CDF并进行分析
plt.figure(figsize=(12, 7))

x1, y1 = calculate_cdf(data1)
x2, y2 = calculate_cdf(data2)

plt.plot(x1, y1, label='数据集1')
plt.plot(x2, y2, label='数据集2')

# 分析中位数
median1 = np.median(data1)
median2 = np.median(data2)
plt.vlines([median1, median2], 0, 0.5, linestyle='--', color=['blue', 'orange'])
plt.hlines(0.5, plt.xlim()[0], plt.xlim()[1], linestyle=':', color='gray')

plt.title('CDF比较和中位数分析 - how2matplotlib.com')
plt.xlabel('值')
plt.ylabel('累积概率')
plt.legend()
plt.grid(True)
plt.show()

print(f"数据集1中位数: {median1:.2f}")
print(f"数据集2中位数: {median2:.2f}")
print("Learn data analysis techniques at how2matplotlib.com")

Output:

使用Matplotlib在Python中计算和绘制累积分布函数的完整指南

这个例子展示了如何使用CDF比较两个数据集的分布特征，并分析中位数。通过CDF，我们可以直观地看出两个数据集的分布差异，以及中位数的位置。

11. 使用CDF进行异常值检测

CDF还可以用于异常值检测。以下是一个使用CDF进行简单异常值检测的示例：

import numpy as np
import matplotlib.pyplot as plt

# 生成示例数据（包含异常值）
data = np.concatenate([np.random.normal(0, 1, 980), np.random.uniform(5, 10, 20)])

# 计算CDF
sorted_data = np.sort(data)
y = np.arange(1, len(data) + 1) / len(data)

# 设定异常值阈值
lower_threshold = 0.01
upper_threshold = 0.99

# 找出异常值
lower_outliers = sorted_data[y < lower_threshold]
upper_outliers = sorted_data[y > upper_threshold]

# 绘制CDF和异常值
plt.figure(figsize=(12, 7))
plt.plot(sorted_data, y, label='CDF')
plt.scatter(lower_outliers, y[:len(lower_outliers)], color='red', label='下限异常值')
plt.scatter(upper_outliers, y[-len(upper_outliers):], color='green', label='上限异常值')

plt.title('使用CDF进行异常值检测 - how2matplotlib.com')
plt.xlabel('值')
plt.ylabel('累积概率')
plt.legend()
plt.grid(True)
plt.show()

print(f"检测到 {len(lower_outliers)} 个下限异常值和 {len(upper_outliers)} 个上限异常值")
print("Learn about outlier detection at how2matplotlib.com")

Output:

使用Matplotlib在Python中计算和绘制累积分布函数的完整指南

这个例子展示了如何使用CDF来识别数据集中的潜在异常值。我们设定了累积概率的上下阈值，并将落在这些阈值之外的数据点标记为异常值。

12. 绘制二维CDF

虽然CDF通常用于一维数据，但我们也可以扩展到二维数据。以下是一个绘制二维CDF的示例：

import numpy as np
import matplotlib.pyplot as plt

# 生成二维数据
x = np.random.normal(0, 1, 1000)
y = np.random.normal(0, 1, 1000)

# 计算二维CDF
H, xedges, yedges = np.histogram2d(x, y, bins=20, normed=True)
H = np.cumsum(np.cumsum(H, axis=0), axis=1)

# 绘制二维CDF
plt.figure(figsize=(10, 8))
plt.imshow(H.T, origin='lower', extent=[xedges[0], xedges[-1], yedges[0], yedges[-1]], 
           aspect='auto', cmap='viridis')
plt.colorbar(label='累积概率')
plt.title('二维累积分布函数 - how2matplotlib.com')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()

print("Explore multidimensional visualization at how2matplotlib.com")

这个例子展示了如何计算和可视化二维数据的CDF。二维CDF可以帮助我们理解两个变量之间的联合分布特征。

13. 使用CDF进行概率计算

CDF不仅可以用于可视化，还可以用于概率计算。以下是一个使用CDF进行概率计算的示例：

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

# 生成示例数据
data = np.random.normal(0, 1, 1000)

# 计算CDF
sorted_data = np.sort(data)
y = np.arange(1, len(data) + 1) / len(data)

# 计算特定概率
def prob_less_than(x):
    return np.interp(x, sorted_data, y)

# 绘制CDF和概率计算
plt.figure(figsize=(12, 7))
plt.plot(sorted_data, y, label='CDF')

x_value = 1.0
prob = prob_less_than(x_value)

plt.plot([x_value, x_value], [0, prob], 'r--')
plt.plot([plt.xlim()[0], x_value], [prob, prob], 'r--')
plt.scatter([x_value], [prob], color='red', s=50, zorder=5)

plt.title(f'使用CDF计算概率 P(X ≤ {x_value}) = {prob:.3f} - how2matplotlib.com')
plt.xlabel('值')
plt.ylabel('累积概率')
plt.legend()
plt.grid(True)
plt.show()

print(f"P(X ≤ {x_value}) = {prob:.3f}")
print("Learn probability calculations at how2matplotlib.com")

Output:

使用Matplotlib在Python中计算和绘制累积分布函数的完整指南

这个例子展示了如何使用CDF计算特定值的累积概率。我们可以通过插值方法从经验CDF中获得任意值的累积概率。

14. 绘制反向CDF（分位数函数）

CDF的反函数称为分位数函数，它对于理解数据分布也很有用。以下是一个绘制分位数函数的示例：

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

# 生成示例数据
data = np.random.normal(0, 1, 1000)

# 计算分位数函数
quantiles = np.linspace(0, 1, 100)
quantile_values = np.quantile(data, quantiles)

# 绘制分位数函数
plt.figure(figsize=(10, 6))
plt.plot(quantiles, quantile_values)
plt.title('分位数函数（反向CDF） - how2matplotlib.com')
plt.xlabel('概率')
plt.ylabel('值')
plt.grid(True)
plt.show()

print("Explore quantile functions at how2matplotlib.com")

Output:

使用Matplotlib在Python中计算和绘制累积分布函数的完整指南

这个例子展示了如何计算和绘制分位数函数。分位数函数可以帮助我们理解数据的分布特征，特别是在极端值的分析中很有用。

15. 使用CDF进行A/B测试分析

CDF在A/B测试分析中也很有用。以下是一个使用CDF比较两组数据的示例：

import numpy as np
import matplotlib.pyplot as plt

# 生成A/B测试数据
group_a = np.random.normal(10, 2, 1000)
group_b = np.random.normal(10.5, 2, 1000)

# 计算CDF
def calculate_cdf(data):
    sorted_data = np.sort(data)
    y = np.arange(1, len(data) + 1) / len(data)
    return sorted_data, y

# 绘制A/B测试CDF比较
plt.figure(figsize=(12, 7))

x_a, y_a = calculate_cdf(group_a)
x_b, y_b = calculate_cdf(group_b)

plt.plot(x_a, y_a, label='Group A')
plt.plot(x_b, y_b, label='Group B')

plt.title('A/B测试CDF比较 - how2matplotlib.com')
plt.xlabel('值')
plt.ylabel('累积概率')
plt.legend()
plt.grid(True)
plt.show()

# 计算中位数差异
median_a = np.median(group_a)
median_b = np.median(group_b)
print(f"Group A中位数: {median_a:.2f}")
print(f"Group B中位数: {median_b:.2f}")
print(f"中位数差异: {median_b - median_a:.2f}")
print("Learn A/B testing techniques at how2matplotlib.com")

Output:

使用Matplotlib在Python中计算和绘制累积分布函数的完整指南

这个例子展示了如何使用CDF比较A/B测试的结果。通过比较两组数据的CDF，我们可以直观地看出它们之间的分布差异，这对于评估A/B测试的效果非常有帮助。

16. 使用CDF进行数据标准化

CDF还可以用于数据标准化，这在某些机器学习应用中很有用。以下是一个使用CDF进行数据标准化的示例：

import numpy as np
import matplotlib.pyplot as plt

# 生成示例数据
data = np.random.exponential(scale=2, size=1000)

# 计算CDF
sorted_data = np.sort(data)
cdf_values = np.arange(1, len(data) + 1) / len(data)

# 使用CDF进行标准化
normalized_data = np.interp(data, sorted_data, cdf_values)

# 绘制原始数据和标准化后的数据分布
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(15, 6))

ax1.hist(data, bins=30, density=True, alpha=0.7)
ax1.set_title('原始数据分布 - how2matplotlib.com')
ax1.set_xlabel('值')
ax1.set_ylabel('密度')

ax2.hist(normalized_data, bins=30, density=True, alpha=0.7)
ax2.set_title('CDF标准化后的数据分布 - how2matplotlib.com')
ax2.set_xlabel('标准化值')
ax2.set_ylabel('密度')

plt.tight_layout()
plt.show()

print("Learn data normalization techniques at how2matplotlib.com")

Output:

使用Matplotlib在Python中计算和绘制累积分布函数的完整指南

这个例子展示了如何使用CDF将数据标准化到[0, 1]区间。这种方法保留了数据的相对顺序，同时将所有值映射到一个统一的范围，这在处理异常值或非正态分布数据时特别有用。

总结

本文详细介绍了如何使用Python的Matplotlib库计算和绘制累积分布函数（CDF）。我们探讨了CDF的基本概念，并通过多个实例展示了如何实现CDF的计算和可视化。从简单的手动计算到使用NumPy和SciPy的高效方法，我们涵盖了多种计算CDF的技术。

我们还探讨了CDF在数据分析中的多种应用，包括分布比较、异常值检测、概率计算、A/B测试分析和数据标准化等。通过这些示例，我们看到CDF不仅是一个强大的可视化工具，还是数据分析和统计推断的重要手段。

在实际应用中，CDF可以帮助我们更好地理解数据的分布特征，进行概率计算，并为进一步的统计分析提供基础。无论是在金融分析、科学研究还是机器学习领域，掌握CDF的计算和可视化技术都是非常有价值的。

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Matplotlib 精品教程