matplotlib.axes.Axes.ecdf

Axes.ecdf(x, weights=None, *, complementary=False, orientation='vertical', compress=False, data=None, **kwargs)

Berechnet und plottet die empirische kumulative Verteilungsfunktion von x.

Hinzugefügt in Version 3.8.

Parameter:

x1d array-like

Die Eingabedaten. Unendliche Einträge werden beibehalten (und verschieben das entsprechende Ende der ECDF von 0/1), aber NaNs und maskierte Werte sind Fehler.

weights1d array-like oder None, Standard: None

Die Gewichte der Einträge; muss die gleiche Form wie x haben. Gewichte, die NaN-Datenpunkten entsprechen, werden verworfen, und dann werden die verbleibenden Gewichte so normalisiert, dass sie sich zu 1 summieren. Wenn nicht angegeben, haben alle Einträge das gleiche Gewicht.

complementarybool, Standard: False

Ob eine kumulative Verteilungsfunktion geplottet werden soll, die von 0 auf 1 ansteigt (Standard), oder eine komplementäre kumulative Verteilungsfunktion, die von 1 auf 0 abfällt.

orientation{"vertical", "horizontal"}, Standard: "vertical"

Ob die Einträge entlang der x-Achse ("vertical", Standard) oder der y-Achse ("horizontal") geplottet werden. Dieser Parameter nimmt die gleichen Werte an wie in hist.

compressbool, Standard: False

Ob mehrere Einträge mit den gleichen Werten gruppiert werden (mit summiertem Gewicht) vor dem Plotten. Dies ist hauptsächlich nützlich, wenn x viele identische Datenpunkte enthält, um die Rendering-Komplexität des Plots zu verringern. Wenn x keine doppelten Punkte enthält, hat dies keine Auswirkung und verbraucht nur etwas Zeit und Speicher.

Gibt zurück:

Line2D

Andere Parameter:

dataindizierbares Objekt, optional

Wenn angegeben, akzeptieren die folgenden Parameter auch einen String s, der als data[s] interpretiert wird, wenn s ein Schlüssel in data ist

x, weights

**kwargs

Schlüsselwortargumente steuern die Line2D-Eigenschaften

Eigenschaft	Beschreibung
agg_filter	eine Filterfunktion, die ein (m, n, 3) Float-Array und einen dpi-Wert entgegennimmt und ein (m, n, 3) Array und zwei Offsets von der linken unteren Ecke des Bildes zurückgibt
alpha	float oder None
animated	bool
antialiased oder aa	bool
clip_box	BboxBase oder None
clip_on	bool
clip_path	Patch oder (Path, Transform) oder None
color oder c	color
dash_capstyle	CapStyle oder {'butt', 'projecting', 'round'}
dash_joinstyle	JoinStyle oder {'miter', 'round', 'bevel'}
dashes	Sequenz von Floats (An/Aus-Linie in Punkten) oder (None, None)
Daten	(2, N) Array oder zwei 1D-Arrays
drawstyle oder ds	{'default', 'steps', 'steps-pre', 'steps-mid', 'steps-post'}, Standard: 'default'
figure	Figure oder SubFigure
fillstyle	{'full', 'left', 'right', 'bottom', 'top', 'none'}
gapcolor	Farbe oder None
gid	str
in_layout	bool
label	object
linestyle oder ls	{'-', '--', '-.', ':', '', (offset, on-off-seq), ...}
linewidth oder lw	float
marker	Marker-Stil-String, Path oder MarkerStyle
markeredgecolor oder mec	color
markeredgewidth oder mew	float
markerfacecolor oder mfc	color
markerfacecoloralt oder mfcalt	color
markersize oder ms	float
markevery	None oder int oder (int, int) oder Slice oder list[int] oder float oder (float, float) oder list[bool]
mouseover	bool
path_effects	Liste von AbstractPathEffect
picker	float oder aufrufbar[[Artist, Event], tuple[bool, dict]]
pickradius	float
rasterized	bool
sketch_params	(scale: float, length: float, randomness: float)
snap	bool oder None
solid_capstyle	CapStyle oder {'butt', 'projecting', 'round'}
solid_joinstyle	JoinStyle oder {'miter', 'round', 'bevel'}
transform	unknown
url	str
visible	bool
xdata	1D-Array
ydata	1D-Array
zorder	float

Anmerkungen

Der ECDF-Plot kann als kumulatives Histogramm mit einem Bin pro Dateneintrag betrachtet werden; d. h. er berichtet über den gesamten Datensatz ohne beliebige Binning.

Wenn x NaNs oder maskierte Einträge enthält, entfernen Sie diese entweder zuerst aus dem Array (wenn sie nicht berücksichtigt werden sollen) oder ersetzen Sie sie durch -inf oder +inf (wenn sie am Anfang oder Ende des Arrays sortiert werden sollen).

Beispiele mit matplotlib.axes.Axes.ecdf

Kumulative Verteilungen

Kumulative Verteilungen

ecdf(x)

ecdf(x)