python中的经验cdf与matlab类似'；是一个

我有一些matlab代码，我想重写成python。这是一个简单的程序，可以计算一些分布，并以双对数标度绘制

我遇到的问题是计算cdf。以下是matlab代码：

for D = 1:10
    delta = D / 10;
    for k = 1:n
        N_delta = poissrnd(delta^-alpha,1);
        Y_k_delta = ( (1 - randn(N_delta)) / (delta.^alpha) ).^(-1/alpha);
        Y_k_delta = Y_k_delta(Y_k_delta > delta);
        X(k) = sum(Y_k_delta);
        %disp(X(k))

    end
    [f,x] = ecdf(X);

    plot(log(x), log(1-f))
    hold on
end

在matlab one中，我可以简单地使用：

[f,x] = ecdf(X);

在点x处获得cdf（f）。是它的文档。
在python中，它更复杂：

import numpy as np
from scipy.stats import norm
import matplotlib.pyplot as plt
from statsmodels.distributions.empirical_distribution import ECDF

alpha = 1.5
n = 1000
X = []
for delta in range(1,5):
    delta = delta/10.0
    for k in range(1,n + 1):
        N_delta = np.random.poisson(delta**(-alpha), 1)
        Y_k_delta = ( (1 - np.random.random(N_delta)) / (delta**alpha) )**(-1/alpha)
        Y_k_delta = [i for i in Y_k_delta if i > delta]
        X.append(np.sum(Y_k_delta))

    ecdf = ECDF(X)

    x = np.linspace(min(X), max(X))
    f = ecdf(x)
    plt.plot(np.log(f), np.log(1-f))

plt.show()

这让我的情节看起来很奇怪，显然不像matlab那样流畅。
我认为问题在于我不理解ECDF的功能，或者它的工作原理与matlab不同。

---

我为我的python代码实现了一个解决方案（最重要的一个），但它似乎无法正常工作。

一旦有了示例，您就可以使用*和：

例如：

from scipy import stats
from matplotlib import pyplot as plt

# a normal distribution with a mean of 0 and standard deviation of 1
n = stats.norm(loc=0, scale=1)

# draw some random samples from it
sample = n.rvs(100)

# compute the ECDF of the samples
qe, pe = ecdf(sample)

# evaluate the theoretical CDF over the same range
q = np.linspace(qe[0], qe[-1], 1000)
p = n.cdf(q)

# plot
fig, ax = plt.subplots(1, 1)
ax.hold(True)
ax.plot(q, p, '-k', lw=2, label='Theoretical CDF')
ax.plot(qe, pe, '-r', lw=2, label='Empirical CDF')
ax.set_xlabel('Quantile')
ax.set_ylabel('Cumulative probability')
ax.legend(fancybox=True, loc='right')

plt.show()

---

*如果您使用的numpy版本早于1.9.0，则

np.unique

将不接受

return\u counts

关键字参数，您将得到

TypeError

：

TypeError: unique() got an unexpected keyword argument 'return_counts'

在这种情况下，一种解决方法是获取一组“反向”索引，并使用

np.bincount

对出现的情况进行计数：

quantiles, idx = np.unique(sample, return_inverse=True)
counts = np.bincount(idx)

---

1.我建议在这些情况下，在你的问题中添加数字，这会有很大帮助。2.您是否熟悉matlab的

loglog

和

plt.loglog

？1。是的，我知道，我需要一次时间来学习如何连接这些。。。2.没有，我从来没有用过。只需单击编辑器菜单中的小横向图标，您就可以通过一个链接包含来自计算机或web的图像。2.我建议你检查一下：它们的工作原理类似于相应的

绘图

s，还有一点，它们为你处理

日志

s。它通常更好：它们在保留原始变量的同时保持对数刻度：如果

x

从1变为1000，那么最后的

xticklabel

s将不会写入

log（1000）

，而是

1000

，并且将以对数方式选择刻度。这与绘制

log

vs

log

不同，因此它取决于您的需要。它看起来相当不错，谢谢！我只将“return\u counts=True”更改为“True”，因为我在这个版本中遇到了错误。顺便说一句，祝你论文顺利！如果出现错误

意外的关键字参数“return\u counts”

，则必须运行不支持

return\u counts

参数到

np.unique

（这是在v1.9中添加的）的旧版本的numpy。在这种情况下，调用

np.unique（…，True）

将对应于

np.unique（…，return\u index=True）

，这将为您提供唯一值的索引，而不是作为第二个返回变量的计数，因此您的CDF将不正确。有关解决方法，请参阅我的更新。

quantiles, idx = np.unique(sample, return_inverse=True)
counts = np.bincount(idx)