Seaborn Distplot：数据与概率不匹配

Question

我使用以下代码生成了Seaborn累积distplot：

*newTab = A;
*(newTab + 1) = B;

该图的x轴范围是-2到+2。但是，当我调查数据时，最小值为-1，最大值为+1。因此，我尝试使用以下方法限制轴：

AlphaGraphCum = sns.distplot(dfControl["alpha"],
             hist_kws={'cumulative': True},
             kde_kws={'cumulative': True}, rug=False, hist=False); 
sns.distplot(dfGoal["alpha"],
             hist_kws={'cumulative': True},
             kde_kws={'cumulative': True, 'linestyle':'--'}, rug=False, hist=False); 
sns.distplot(dfGraph["alpha"],
             hist_kws={'cumulative': True},
             kde_kws={'cumulative': True, 'linestyle':':'}, rug=False, hist=False); 
sns.distplot(dfGoalGraph["alpha"],
             hist_kws={'cumulative': True},
             kde_kws={'cumulative': True, 'linestyle':'-.'}, rug=False, hist=False)


AlphaGraphCum.set(xlabel='Alpha')
AlphaGraphCum.set(ylabel='Cumulative Probability')

#AlphaGraphCum.set_xlim(-1,1)

我在上面的示例中将其注释掉。然后将x轴正确限制在-1和+1之间。但是，对于x = + 1，没有一行显示y值为1.0，因为+1是最大值，所以应该显示该值，因此累积概率应等于1.0。

有人知道为什么不是这样吗？任何提示将不胜感激。谢谢！

Answer 1

Seaborn中的

distplot使用kde (Kernel density estimation)为您提供了近似的数据集密度，其中假设数据点周围有小的“微内核”，并将它们加起来以创建“宏内核”整体上。因此，min和max周围的内核肯定会越过边界，因为边缘（min和max）上的数据点是“微内核”的中心。 （注意：“微型/宏内核”一词是我在这里用来解释的内容。）

假设我们的数据范围从-10到10，如下所示。

import numpy as np
import pandas as pd

df = pd.DataFrame().assign(a=np.random.randint(-10, 11, 100))
print(df.a.min(), df.a.max())

Out:
-10 10

如果我们使用默认设置（其中distplot是kde）绘制True，

import seaborn as sns
sns.distplot(df.a)

它既显示了histogram和-10之间的10，也显示了该直方图的近似值kde（当然也显示了{{1 }}由于上述原因越过了kde和min的限制。

现在，如果要获取累积密度，则max会根据distplot进行如下计算：

kde

此时，请注意，第一张图中的sns.distplot(df.a, kde_kws={'cumulative': True}) （蓝线）和第二张图中的kde（蓝线）的两条尾巴都对应。

您可能会想知道尾部是否完全对应，因为第一和第二张图的y比例不同，所以如果我们放大第二张图的y轴，则如下图所示。

cumulative kde

现在第一张和第三张图看起来很相似，但是唯一的区别是第一张图是import matplotlib.pyplot as plt sns.distplot(df.a, kde_kws={'cumulative': True}) plt.ylim([0, 0.07]) ，而第三张图是kde。

长话短说，您要绘制的是基于cumulative kde的“近似累积密度”。这就是为什么分布（和累积分布）比实际数据（直方图）更广泛的原因。

希望这会有所帮助。

---

编辑：添加了kde和cumulative kde

cumulative hist