3D np.array() 的 CDF 图

Question

我有三个具有以下形状的 np 数组：

# (176 x 104)  
mean_displacement

# (176 x 104 x 15) 15 values for each displacement
displacement_distribution

# (176 x 104 x 15) 15 weights/probability for each displacement
weights

现在我想计算它的CDF，但我遇到了麻烦，因为这是我第一次使用多维数组。必须为每个像素的所有位移计算 CDF。将有 18,304 个像素，CDF 绘图位于此区域内：

(displacement[range(136, 163), :][:, range(0, 18)]) if displacement >= 0.1

这将从图中删除所有位移小于0.1 的单元格。

只需要一些见解，这里是a Google drive link for the three np array files 和下面的示例：

>>> weights
[
    [[0.123704][0.092778][0.092778][0.092778]]
    [[0.123704][0.092778][0.092778][0.092778]]
    [[0.123704][0.123704][0.123704][0.123704]]
    ...
]

>>> displacement_distribution
[
    [[0.1][0.1][0.1][0.1]]
    [[0.1][0.1][0.1][0.1]]
    ...
]

这是CDF 绘图的草图：

Answer 1

这是我曾经想出的 pandas 单线。您也许可以将它用于循环中的每一列。

import scipy.stats as sst
import numpy as np, pandas as pd 
#dummy data
distr=sst.beta(12,12)
values=distr.rvs(50)


cdf=pd.Series(np.ones(values.shape[0])/values.shape[0], index=values).sort_index().cumsum()

以下是在 pandas 的一张图表上绘制多个 cdf 示例的视觉测试。

distr=sst.beta(12,12)
values=distr.rvs(20000)

cdf20k=pd.Series(np.ones(values.shape[0])/values.shape[0], index=values).sort_index().cumsum()

values=distr.rvs(50)
cdf50=pd.Series(np.ones(values.shape[0])/values.shape[0], index=values).sort_index().cumsum()

pd.DataFrame({
'theo':pd.Series(distr.cdf(np.arange(0,1,0.001)),np.arange(0,1,0.001)),
'empirical_20k_samples': cdf20k,
'empirical_50_samples': cdf50,
    }).fillna(method='ffill').plot()