Python 熊猫多重绘图
我有数据帧,它包含不同索引的每日返回数据。我使用下面的代码来绘制收益分布的密度Python 熊猫多重绘图,python,pandas,pdf,plot,normal-distribution,Python,Pandas,Pdf,Plot,Normal Distribution,我有数据帧,它包含不同索引的每日返回数据。我使用下面的代码来绘制收益分布的密度 df.plot(kind='density', title='Returns Density Plot for '+ str(i)) 在同一张图中,我想用与指数收益相同的平均值和标准偏差绘制正态密度曲线,这样我可以看到经验PDF曲线与正态分布曲线的偏差有多大 最简单的方法是什么? 一个样本实证PDF 我想您可以这样做,假设您有一个包含正态分布值的数据框列 from matplotlib import pyplot
df.plot(kind='density', title='Returns Density Plot for '+ str(i))
在同一张图中,我想用与指数收益相同的平均值和标准偏差绘制正态密度曲线,这样我可以看到经验PDF曲线与正态分布曲线的偏差有多大
最简单的方法是什么?
一个样本实证PDF
我想您可以这样做,假设您有一个包含正态分布值的数据框列
from matplotlib import pyplot as plt
import pandas as pd
df = pd.read_csv(somefile.csv)
density=df['Density']
norm_density=df['Normal Distribution']
f= figure(1)
f1=plt.plot(density,title='Returns Density Plot for '+ str(i))
f2=plt.plot(norm_density="normal density")
plt.legend(f1[0],f2[0],('density','normal distribution'))
f.show()
我想您可以这样做,假设您有一个包含正态分布值的数据帧列
from matplotlib import pyplot as plt
import pandas as pd
df = pd.read_csv(somefile.csv)
density=df['Density']
norm_density=df['Normal Distribution']
f= figure(1)
f1=plt.plot(density,title='Returns Density Plot for '+ str(i))
f2=plt.plot(norm_density="normal density")
plt.legend(f1[0],f2[0],('density','normal distribution'))
f.show()
我用了这样的东西,它很管用
df1=pd.DataFrame(np.random.normal(loc=mean,scale=std,size=len(dic_2[i])))
ax=df.plot(kind='density', title='Returns Density Plot for '+ str(i),colormap='Reds_r')
df1.plot(ax=ax,kind='density',colormap='Blues_r')
我用了类似的东西,而且效果很好
df1=pd.DataFrame(np.random.normal(loc=mean,scale=std,size=len(dic_2[i])))
ax=df.plot(kind='density', title='Returns Density Plot for '+ str(i),colormap='Reds_r')
df1.plot(ax=ax,kind='density',colormap='Blues_r')