在直方图上方绘制密度函数答案

【问题标题】：Plot a density function above a histogram在直方图上方绘制密度函数
【发布时间】：2017-10-23 12:18:37
【问题描述】：

在 Python 中，我已经估计了分布模型的密度参数，我想在分布直方图上方绘制密度函数。在 R 中，它类似于使用选项 prop=TRUE。

import numpy as np
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt

# initialization of the list "data"
# estimation of the parameter, in my case, mean and variance of a normal distribution

plt.hist(data, bins="auto") # data is the list of data
# here I would like to draw the density above the histogram
plt.show()

我想最棘手的部分是让它合身。

编辑：我已经根据第一个答案尝试了这个：

mean = np.mean(logdata)
var  = np.var(logdata)
std  = np.sqrt(var) # standard deviation, used by numpy as a replacement of the variance
plt.hist(logdata, bins="auto", alpha=0.5, label="données empiriques")
x = np.linspace(min(logdata), max(logdata), 100)
plt.plot(x, mlab.normpdf(x, mean, std))
plt.xlabel("log(taille des fichiers)")
plt.ylabel("nombre de fichiers")
plt.legend(loc='upper right')
plt.grid(True)
plt.show()

但它不适合图表，如下所示：

** 编辑 2 ** 与直方图函数中的选项 normed=True 一起使用。

【问题讨论】：

不清楚您在寻找什么。您可以添加有关您希望该图形外观的屏幕截图/更多信息吗？与往常一样，Minimal, Complete, and Verifiable Example 将极大地帮助您获得好的答案。
在这里。是的，你是对的，一个例子胜于一千个解释！但我仍然认为我的解释很清楚......
如果您不想使用normed = True，我已经添加了一个解决方案。

标签： python matplotlib statistics

【解决方案1】：

如果我对您的理解正确，您会得到一些数据的均值和标准差。您已经绘制了直方图，并希望在直方图上绘制正态分布线。该行可以使用matplotlib.mlab.normpdf()生成，文档可以在here找到。

import numpy as np
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt

mean = 100
sigma = 5

data = np.random.normal(mean,sigma,1000) # generate fake data
x = np.linspace(min(data), max(data), 100)

plt.hist(data, bins="auto",normed=True)
plt.plot(x, mlab.normpdf(x, mean, sigma))

plt.show()

给出下图：

编辑：以上仅适用于normed = True。如果这不是一个选项，我们可以定义我们自己的函数：

def gauss_function(x, a, x0, sigma):
    return a * np.exp(-(x - x0) ** 2 / (2 * sigma ** 2))

mean = 100
sigma = 5

data = np.random.normal(mean,sigma,1000) # generate fake data
x = np.linspace(min(data), max(data), 1000)

test = gauss_function(x, max(data), mean, sigma)

plt.hist(data, bins="auto")
plt.plot(x, test)

plt.show()

【讨论】：

【解决方案2】：

您要查找的所有内容都已在seaborn 中。

你只需要使用distplot

import seaborn as sns
import numpy as np

data = np.random.normal(5, 2, size=1000)
sns.distplot(data)

【讨论】：