Python相当于MATLAB的normplot？

Question

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

MATLAB语法：

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

给出：

我尝试过使用matplotlib＆amp; numpy模块用于确定数组中值的概率/百分位数，但输出图y轴比例与MATLAB中的图相比是线性的。

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() 

给出：

否则，如何在第一个情节中调整尺度？

感谢。

Answer 1

一个迟到的答案，但我遇到了同样的问题并找到了一个值得分享的解决方案。我想。

正如joris所指出的那样，probplot函数与normplot相当，但得到的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 - ＆gt;百分

stats.'distribution function'.cdf(cdf_value)

百分位数 - ＆gt; CDF

stats.'distribution function'.ppf(percentile_value)

例如：

stats.norm.ppf(percentile)

要获得等效的y轴，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：

Answer 2

我相当肯定matplotlib没有提供这样的东西。

当然可以这么做，但是您必须重新调整数据并更改您的y轴刻度/标签以匹配，或者，如果您计划经常这样做，可能需要编写一个新的比例可以应用于matplotlib轴，如下例所示：http://matplotlib.sourceforge.net/examples/api/custom_scale_example.html。

Answer 3

也许你可以使用scipy的probplot函数（scipy.stats），这对我来说似乎是MATLABs的等价物：

  

计算概率的分位数   针对a的样本数据图   指定的理论分布。

     

probplot可选择计算a   数据和图表的最佳拟合线   结果使用Matplotlib或a   给定情节函数。

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

但是不能解决你的y轴刻度不同的问题。

Answer 4

使用matplotlib.semilogy将更接近matlab输出。