Python 等效于 MATLAB 的 normplot？答案

【问题标题】：Python equivalent for MATLAB's normplot?Python 等效于 MATLAB 的 normplot？
【发布时间】：2011-09-16 23:28:49
【问题描述】：

是否有类似于 MATLAB 中的normplot 的 python 等效函数？也许在 matplotlib 中？

MATLAB 语法：

x = normrnd(10,1,25,1);
normplot(x)

给予：

我尝试使用 matplotlib 和 numpy 模块来确定数组中值的概率/百分位数，但与 MATLAB 中的图相比，输出图的 y 轴刻度是线性的。

import numpy as np
import matplotlib.pyplot as plt

data =[-11.83,-8.53,-2.86,-6.49,-7.53,-9.74,-9.44,-3.58,-6.68,-13.26,-4.52]
plot_percentiles = range(0, 110, 10) 

x = np.percentile(data, plot_percentiles)
plt.plot(x, plot_percentiles, 'ro-')
plt.xlabel('Value')
plt.ylabel('Probability')  
plt.show()

提供：

否则，如何像第一个情节那样调整比例？

谢谢。

【问题讨论】：

标签： python numpy matplotlib scipy probability

【解决方案1】：

我相当肯定 matplotlib 不提供类似的东西。

当然可以这样做，但是您必须重新调整数据并更改 y 轴刻度/标签以匹配，或者，如果您打算经常这样做，也许编写一个新的比例可以应用于 matplotlib 轴，例如：http://matplotlib.sourceforge.net/examples/api/custom_scale_example.html。

【讨论】：

【解决方案2】：

使用matplotlib.semilogy 会更接近matlab 输出。

【讨论】：

【解决方案3】：

也许你可以使用 scipy (scipy.stats) 的 probplot 函数，这在我看来相当于 MATLABs normplot：

计算概率的分位数样本数据对 a 的图指定的理论分布。

probplot 可选地计算一个数据和绘图的最佳拟合线使用 Matplotlib 或 a 给定绘图函数。

http://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.probplot.html

但这并不能解决您的 y 轴刻度不同的问题。

【讨论】：

【解决方案4】：

一个迟到的答案，但我刚刚遇到同样的问题并找到了解决方案，值得分享。我猜。

正如 joris 指出的那样，probplot 函数等效于 normplot，但结果分布是累积密度函数的形式。 Scipy.stats 还提供了一个函数来转换这些值。

cdf -> 百分位数

stats.'distribution function'.cdf(cdf_value)

百分位数 -> cdf

stats.'distribution function'.ppf(percentile_value)

例如：

stats.norm.ppf(percentile)

要获得等效的 y 轴，例如 normplot，您可以替换 cdf-ticks：

from scipy import stats
import matplotlib.pyplot as plt

nsample=500

#create list of random variables
x=stats.t.rvs(100, size=nsample)

# Calculate quantiles and least-square-fit curve
(quantiles, values), (slope, intercept, r) = stats.probplot(x, dist='norm')

#plot results
plt.plot(values, quantiles,'ob')
plt.plot(quantiles * slope + intercept, quantiles, 'r')

#define ticks
ticks_perc=[1, 5, 10, 20, 50, 80, 90, 95, 99]

#transfrom them from precentile to cumulative density
ticks_quan=[stats.norm.ppf(i/100.) for i in ticks_perc]

#assign new ticks
plt.yticks(ticks_quan,ticks_perc)

#show plot
plt.grid()
plt.show()

结果：

【讨论】：