Question

在工作中有一组浮点值，我在gnuplot中排序并计算CDF并绘制。我想绘制一条线，显示CDF的80％和90％阈值在哪里，即从左边@0.8 y tic标记出来的一条线，触摸图形然后下降到任何值可能是。这有助于引导观众眼球。

数据是自动生成的，我制作了多个图，所以我不想每次都手工制作这些线。

在0.8和0.9 y值点绘制完全穿过绘图的水平箭头是微不足道的，但我不明白如何确定应绘制垂直线的位置。这是一个q / a wrt绘制箭头：Gnuplot: Vertical lines at specific positions，但这些位置是先验已知的。

以下是一些示例数据（我的工作机器无法访问互联网，因此共享很难）

  X                Y
 5.0   |         0.143
 8.0   |         0.288
16.0   |         0.429
25.0   |         0.714
39.0   |         0.857
47.0   |         1.000

有什么想法吗？

Answer 1

这是我的看法（使用百分位数排名），它只假设有一系列单变量测量值（您的列标题为X）。您可能需要稍微调整它以使用预先计算的累积频率，但这并不是很困难。

# generate some artificial data
reset
set sample 200
set table 'rnd.dat'
plot invnorm(rand(0))
unset table

# display the CDF
unset key
set yrange [0:1]
perc80=system("cat rnd.dat | sed '1,4d' | awk '{print $2}' | sort -n | \
          awk 'BEGIN{i=0} {s[i]=$1; i++;} END{print s[int(NR*0.8-0.5)]}'")
set arrow from perc80,0 to perc80,0.8 nohead lt 2 lw 2
set arrow from graph(0,0),0.8 to perc80,0.8 nohead lt 2 lw 2
plot 'rnd.dat' using 2:(1./200.) smooth cumulative

这会产生以下输出：

enter image description here

当然，您可以根据需要添加任意数量的百分位值;你只需要定义一个新的变量，例如perc90，以及请求另外两个arrow命令，并用所需的0.8替换table的每一次出现（啊......幻数的快乐！）（在这种情况下），0.9）。

关于上述代码的一些解释：

我生成了一个保存在磁盘上的人工数据集。
第80个百分点是使用awk计算，但在此之前我们需要
1. 删除trunc(rank(x))/length(x)生成的标头（前四行）; （我们可以要求awk从第5行开始，但让我们继续。）
2. 仅保留第二列;
3. 对条目进行排序。
计算第80百分位数的awk命令需要截断，这是按照建议here完成的。（在R中，我只是使用类似Rscript -e 'x=read.table("~/rnd.dat")[,2]; sort(x)[trunc(length(x)*.8)]'的函数来获得百分等级。）

如果你想给R一个镜头，你可以通过调用R来安全地替换那长串的sed / awk命令，如

rnd.dat

假设您的主目录中有quantile。

旁注：如果你可以没有gnuplot，这里有一些R命令来做这种图形（甚至没有使用x <- rnorm(200) xs <- sort(x) xf <- (1:length(xs))/length(xs) plot(xs, xf, xlab="X", ylab="Cumulative frequency") ## quick outline of the 80th percentile rank perc80 <- xs[trunc(length(x)*.8)] abline(h=.8, v=perc80) ## alternative solution plot(ecdf(x)) segments(par("usr")[1], .8, perc80, .8) segments(perc80, par("usr")[3], perc80, .8)函数）：

{{1}}

enter image description here

Answer 2

您可以使用awk计算给定值的行。

实施例

如果你有一个像这样的数据文件Data.csv：

你可以用

绘图

plot "Data.csv" u 1:2 w l

现在，如果要在第二列的最大值的90％处绘制一条线（在本例中为90），则运行一个awk脚本。其目的是确定最小和最大x值以及最大y值的90％值。它可能看起来像这样：

awk '
{
if(x_min == "") {x_min = x_max = $1; y_max = $2}; 
if($1 > x_max) {x_max = $1}; 
if($1 < x_min) {x_min = $1}; 
if(y_max < $2) {y_max = $2}} 
END {
print x_min, y_max * 0.9; 
print x_max, y_max * 0.9
}' Data.csv

基本上它的作用如下：

检查x_min是否存在以及是否未将x_min，x_max和y_max设置为Data.csv的第一列或第二列。
检查当前第一列是否大于当前x_min，如果是这种情况，请将x_min设置为当前第一列的值。
执行x_max和y_max的等效项（注意：我们只需要第二列的最大值而不是最小值）
在循环浏览数据文件后，打印结果如下：
```
x_min y_max * 0.9
x_max y_max * 0.9
```

为了在gnuplot中完成这项工作，我们从上面附加我们的脚本，如下所示：

plot "Data.csv" u 1:2 w l, \
     "< awk '{if(x_min == \"\") {x_min = x_max = $1; y_max = $2}; if($1 > x_max) {x_max = $1}; if($1 < x_min) {x_min = $1}; if(y_max < $2) {y_max = $2}} END {print x_min, y_max * 0.9; print x_max, y_max * 0.9}' Data.csv" u 1:2 w l

请注意gnuplot脚本中的\"。 "需要为gnuplot转义，以免绊倒他们......

毕竟你应该得到这样的情节：

enter image description here

绿线表示最大y值的90％值。

如何在gnuplot生成的cdf上绘制引导线？

2 个答案:

实施例