Làm thế nào để tạo ra một cốt truyện mật độ trong matplotlib?

Question

Trong RI có thể tạo ra kết quả mong muốn bằng cách thực hiện:

data = c(rep(1.5, 7), rep(2.5, 2), rep(3.5, 8), 
     rep(4.5, 3), rep(5.5, 1), rep(6.5, 8)) 
plot(density(data, bw=0.5)) 

Trong python (với matplotlib) gần nhất tôi nhận được với một biểu đồ đơn giản:

import matplotlib.pyplot as plt 
data = [1.5]*7 + [2.5]*2 + [3.5]*8 + [4.5]*3 + [5.5]*1 + [6.5]*8 
plt.hist(data, bins=6) 
plt.show() 

Tôi cũng đã thử sử dụng the normed=True parameter nhưng không thể kiếm được bất kỳ điều gì khác ngoài việc cố gắng phù hợp với một gaussian để biểu đồ.

Lần thử mới nhất của tôi là khoảng scipy.stats và gaussian_kde, ví dụ sau trên web, nhưng tôi đã không thành công cho đến nay.

Answer 1

Sven đã chỉ ra cách sử dụng lớp gaussian_kde từ Scipy, nhưng bạn sẽ nhận thấy rằng nó không giống như những gì bạn đã tạo với R. Điều này là do gaussian_kde cố gắng suy ra băng thông tự động. Bạn có thể chơi với băng thông theo cách bằng cách thay đổi hàm covariance_factor của lớp gaussian_kde. Thứ nhất, đây là những gì bạn nhận được mà không thay đổi chức năng:

Tuy nhiên, nếu tôi sử dụng đoạn mã sau:

import matplotlib.pyplot as plt 
import numpy as np 
from scipy.stats import gaussian_kde 
data = [1.5]*7 + [2.5]*2 + [3.5]*8 + [4.5]*3 + [5.5]*1 + [6.5]*8 
density = gaussian_kde(data) 
xs = np.linspace(0,8,200) 
density.covariance_factor = lambda : .25 
density._compute_covariance() 
plt.plot(xs,density(xs)) 
plt.show() 

tôi nhận được

đó là khá gần với những gì bạn đang nhận được từ R. Tôi đã làm gì? gaussian_kde sử dụng chức năng có thể thay đổi, covariance_factor để tính băng thông của nó. Trước khi thay đổi hàm, giá trị trả về bởi covariance_factor cho dữ liệu này là khoảng 0,5. Hạ thấp băng thông này. Tôi đã phải gọi _compute_covariance sau khi thay đổi chức năng đó để tất cả các yếu tố sẽ được tính toán chính xác. Nó không phải là một sự tương ứng chính xác với tham số bw từ R, nhưng hy vọng nó sẽ giúp bạn đi đúng hướng.

Answer 2

Có thể thử một cái gì đó như:

import matplotlib.pyplot as plt 
import numpy 
from scipy import stats 
data = [1.5]*7 + [2.5]*2 + [3.5]*8 + [4.5]*3 + [5.5]*1 + [6.5]*8 
density = stats.kde.gaussian_kde(data) 
x = numpy.arange(0., 8, .1) 
plt.plot(x, density(x)) 
plt.show() 

Bạn có thể dễ dàng thay thế gaussian_kde() bởi một ước tính mật độ hạt nhân khác nhau.

Answer 3

Năm năm sau, khi tôi Google "cách tạo cốt truyện mật độ hạt nhân bằng cách sử dụng python", chuỗi này vẫn hiển thị ở trên cùng!

Hôm nay, cách dễ dàng hơn để thực hiện việc này là sử dụng seaborn, một gói cung cấp nhiều chức năng âm mưu thuận tiện và quản lý kiểu tốt.

import numpy as np 
import seaborn as sns 
data = [1.5]*7 + [2.5]*2 + [3.5]*8 + [4.5]*3 + [5.5]*1 + [6.5]*8 
sns.set_style('whitegrid') 
sns.kdeplot(np.array(data), bw=0.5) 

Answer 4

Lựa chọn 1:

Sử dụng pandas cốt truyện dataframe (được xây dựng trên đầu trang của matplotlib):

import pandas as pd 
data = [1.5]*7 + [2.5]*2 + [3.5]*8 + [4.5]*3 + [5.5]*1 + [6.5]*8 
pd.DataFrame(data).plot(kind='density') # or pd.Series() 

Phương án 2:

Sử dụng distplot của seaborn:

import seaborn as sns 
data = [1.5]*7 + [2.5]*2 + [3.5]*8 + [4.5]*3 + [5.5]*1 + [6.5]*8 
sns.distplot(data, hist=False)