用频率计数绘制概率密度函数

Question

我想将拟合分布转换为频率。

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats
%matplotlib notebook

# sample data generation
np.random.seed(42)
data = sorted(stats.lognorm.rvs(s=0.5, loc=1, scale=1000, size=1000))

# fit lognormal distribution
shape, loc, scale = stats.lognorm.fit(data, loc=0)
pdf_lognorm = stats.lognorm.pdf(data, shape, loc, scale)

fig, ax = plt.subplots(figsize=(8, 4))

ax.hist(data, bins='auto', density=True)
ax.plot(data, pdf_lognorm)
ax.set_ylabel('probability')
ax.set_title('Linear Scale')

上面的代码片段将生成以下图：

如您所见，y轴是概率。但我希望它是在频率方面。

fig, ax = plt.subplots(figsize=(8, 4))
ax.hist(data, bins='auto')
ax.set_ylabel('probability')
ax.set_title('Linear Scale')

通过取消设置density=True，可以根据频率显示直方图。但是我不知道如何像直方图中那样拟合分布-请观察我如何无法在此直方图中绘制橙色拟合线。

我该怎么做？我想我应该将拟合分布乘以直方图曲线下的面积，但是我不知道该怎么做。

Answer 1

从科学上讲，确实可以预期，因为您决定还绘制密度图，因此y轴将是概率，而不是计数...

尽管如此，您可以同时使用双轴和\.jpg：

twinx

在这里，我还使用了更恰当的术语“频率”来计数。

进行一点实验，您甚至可以将密度曲线移到前面，或者互换轴：

fig, ax = plt.subplots(figsize=(8, 4))
ax2 = ax.twinx()

ax.hist(data, bins='auto', density=True)
ax2.hist(data, bins='auto')
ax.plot(data, pdf_lognorm)
ax2.set_ylabel('frequency')
ax.set_ylabel('probability')
ax.set_title('Linear Scale')][1]][1]

Answer 2

我遇到了同样的问题，发现我需要将拟合的分布乘以新的直方图的面积，就像您提到的那样。假设所有bin的宽度相同，则直方图的面积将为=一个bin的bin宽度*样本数（len（data））