matplotlib中累积分布函数的对数图

2 回答

• 15

  基本上，您需要将以下转换应用于 Y 值： -log10(1-y) . 这强加了 y < 1 的唯一限制，因此您应该能够在转换后的图上具有负值 .

  以下是来自 matplotlib 文档的修改后的example，其中显示了如何将自定义转换合并到"scales"中：

  import numpy as np
  from numpy import ma
  from matplotlib import scale as mscale
  from matplotlib import transforms as mtransforms
  from matplotlib.ticker import FixedFormatter, FixedLocator
  
  
  class CloseToOne(mscale.ScaleBase):
      name = 'close_to_one'
  
      def __init__(self, axis, **kwargs):
          mscale.ScaleBase.__init__(self)
          self.nines = kwargs.get('nines', 5)
  
      def get_transform(self):
          return self.Transform(self.nines)
  
      def set_default_locators_and_formatters(self, axis):
          axis.set_major_locator(FixedLocator(
                  np.array([1-10**(-k) for k in range(1+self.nines)])))
          axis.set_major_formatter(FixedFormatter(
                  [str(1-10**(-k)) for k in range(1+self.nines)]))
  
  
      def limit_range_for_scale(self, vmin, vmax, minpos):
          return vmin, min(1 - 10**(-self.nines), vmax)
  
      class Transform(mtransforms.Transform):
          input_dims = 1
          output_dims = 1
          is_separable = True
  
          def __init__(self, nines):
              mtransforms.Transform.__init__(self)
              self.nines = nines
  
          def transform_non_affine(self, a):
              masked = ma.masked_where(a > 1-10**(-1-self.nines), a)
              if masked.mask.any():
                  return -ma.log10(1-a)
              else:
                  return -np.log10(1-a)
  
          def inverted(self):
              return CloseToOne.InvertedTransform(self.nines)
  
      class InvertedTransform(mtransforms.Transform):
          input_dims = 1
          output_dims = 1
          is_separable = True
  
          def __init__(self, nines):
              mtransforms.Transform.__init__(self)
              self.nines = nines
  
          def transform_non_affine(self, a):
              return 1. - 10**(-a)
  
          def inverted(self):
              return CloseToOne.Transform(self.nines)
  
  mscale.register_scale(CloseToOne)
  
  if __name__ == '__main__':
      import pylab
      pylab.figure(figsize=(20, 9))
      t = np.arange(-0.5, 1, 0.00001)
      pylab.subplot(121)
      pylab.plot(t)
      pylab.subplot(122)
      pylab.plot(t)
      pylab.yscale('close_to_one')
  
      pylab.grid(True)
      pylab.show()
  

  

  请注意，您可以通过关键字参数控制9的数量：

  pylab.figure()
  pylab.plot(t)
  pylab.yscale('close_to_one', nines=3)
  pylab.grid(True)
  

  

  回复于 2024-05-03T15:45:04+08:00
• 1

  好吧，这不是最干净的代码，但我看不到它的方法 . 也许我真正要求的不是对数CDF，但我会等一位统计学家告诉我 . 无论如何，这是我想出的：

  # retrieve event times and latencies from the file
  times, latencies = read_in_data_from_file('myfile.csv')
  cdfx = numpy.sort(latencies)
  cdfy = numpy.linspace(1 / len(latencies), 1.0, len(latencies))
  
  # find the logarithmic CDF and ylabels
  logcdfy = [-math.log10(1.0 - (float(idx) / len(latencies)))
             for idx in range(len(latencies))]
  labels = ['', '90', '99', '99.9', '99.99', '99.999', '99.9999', '99.99999']
  labels = labels[0:math.ceil(max(logcdfy))+1]
  
  # plot the logarithmic CDF
  fig = plt.figure()
  axes = fig.add_subplot(1, 1, 1)
  axes.scatter(cdfx, logcdfy, s=4, linewidths=0)
  axes.set_xlim(min(latencies), max(latencies) * 1.01)
  axes.set_ylim(0, math.ceil(max(logcdfy)))
  axes.set_yticklabels(labels)
  plt.show()
  

  凌乱的部分是我改变yticklabels的地方 . logcdfy 变量将保持0到10之间的值，在我的示例中，它介于0和6之间 . 在此代码中，我将标签与百分位数交换 . 也可以使用 plot 函数，但我喜欢 scatter 函数显示尾部异常值的方式 . 另外，我选择不在对数刻度上制作x轴，因为我的特定数据在没有它的情况下具有良好的线性线 .

  

  回复于 2024-05-03T15:45:04+08:00