Question

我需要在我的直方图上拟合曲线。它只显示直方图而非曲线拟合。这是我的代码：

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



f= np.loadtxt('data Ties', unpack='False')


bins = [0,1000,10000,20000,30000,40000,50000,60000,70000,80000,90000,100000] 


(mu, sigma) = norm.fit(f)

#plt.hist(f, bins=bins, histtype='bar')

plt.hist(f, bins=bins, histtype='bar', normed=True)

y = mlab.normpdf( bins, mu, sigma)
plt.plot(bins,y,'r--', linewidth=1, color='r')

plt.xlabel('Diameter (Micrometer)')
plt.ylabel('Number of Chondrules')
plt.title('Distribution of chondrules diameter')
plt.legend()
plt.grid(True)
plt.show()

它描绘了合适但不是很好的方式。这是我的一个数据：

我也想知道吝啬和西格玛。

enter image description here

Answer 1

pdf在图表上，它真的很小。只需查看y：

的值

array([  8.83232194e-07,   9.10034504e-07,   1.17854794e-06,
         1.53635735e-06,   1.95663517e-06,   2.43444572e-06,
         2.95912259e-06,   3.51397321e-06,   4.07667940e-06,
         4.62048215e-06,   5.11611925e-06,   5.53435032e-06])

你必须缩放直方图，使其与pdf（或其他方式）相当。最简单的方法是在normed中将True选项设置为plt.hist()：

plt.hist(f, bins=bins, histtype='bar', normed=True)

你应该被设置。不幸的是，图表看起来仍然不太好，因为您选择的区域大小对于此数据集并不是特别好。例如，您的箱柜的最大值仍然低于数据的平均值。尝试

bins = np.arange(0, 260000, 20000)

以获得更好看的图表。

如果你想要一个非常好的分布图，我建议尝试一个专门的包，例如seaborn，这使它成为一个单行：

import seaborn as sns
sns.distplot(f, fit=norm, kde=False)
plt.show()

或者如果你想要拟合核密度估计而不是（不是特别合适的）正态分布，它就像

一样简单

sns.distplot(f)
plt.show()

如何将曲线拟合到python中的直方图

1 个答案: