Python - Matplotlib: normalisation de l'axe lors de la représentation d'une Fonction de Densité de Probabilité

Je suis à l'aide de Python et de certaines de ses extensions à obtenir et le tracé de la Fonction de Densité de Probabilité. Alors que j'arrive à tracer, dans sa forme, au moins, je n'arrive pas à réussir sur scalating l'axe.

import decimal
import numpy as np
import scipy.stats as stats
import pylab as pl
import matplotlib.pyplot as plt
from decimal import *
from scipy.stats import norm

lines=[]

fig, ax = plt.subplots(1, 1)
mean, var, skew, kurt = norm.stats(moments='mvsk')

#Here I delete some lines aimed to fill the list with values

Long = len(lines)
Maxim = max(lines) #MaxValue
Minim = min(lines) #MinValue
av = np.mean(lines) #Average
StDev = np.std(lines) #Standard Dev.

x = np.linspace(Minim, Maxim, Long)
ax.plot(x, norm.pdf(x, av, StDev),'r-', lw=3, alpha=0.9, label='norm pdf')

weights = np.ones_like(lines)/len(lines)

ax.hist(lines, weights = weights, normed=True, histtype='stepfilled', alpha=0.2)
ax.legend(loc='best', frameon=False)
plt.show()

Le résultat est Python - Matplotlib: normalisation de l'axe lors de la représentation d'une Fonction de Densité de Probabilité

Alors que je voudrais l'avoir exprimé
- Dans l'axe des x centrée en 0 et liées à la déviation standard
- Sur l'axe des y, liées à l'histogramme et le %s (normalisé à 1)

Pour l'axe des x comme l'image ci-dessous
Python - Matplotlib: normalisation de l'axe lors de la représentation d'une Fonction de Densité de Probabilité

Et, comme cette dernière image pour l'axe des y
Python - Matplotlib: normalisation de l'axe lors de la représentation d'une Fonction de Densité de Probabilité

J'ai réussi à escalader l'axe des y en un histogramme par tracer individuellement avec l'instruction poids = poids et le mettre dans l'intrigue, mais je ne peux pas le faire ici. - Je l'inclure dans le code, mais en fait il ne fait rien dans ce cas.

Toute aide serait appréciée

OriginalL'auteur Informatico_Sano | 2014-07-23

  1. 3

    l'axe des y est normée de manière à ce que l'aire sous la courbe est un.
    Et ajouter le même poids pour chaque point de données n'a pas de sens si vous normaliser de toute façon avec normed=True.

    d'abord vous avez besoin de modifier vos données à 0:

     lines -= mean(lines)

    alors la parcelle.

    ythis devrait être un exemple minimal:

    import numpy as np                                                               
from numpy.random import normal                                                  
import matplotlib.pyplot as plt
from scipy.stats import norm                                                  

# gaussian distributed random numbers with mu =4 and sigma=2                     
x = normal(4, 2, 10000)                                                            

mean = np.mean(x)
sigma = np.std(x)

x -= mean 

x_plot = np.linspace(min(x), max(x), 1000)                                                               

fig = plt.figure()                                                               
ax = fig.add_subplot(1,1,1)                                                      

ax.hist(x, bins=50, normed=True, label="data")
ax.plot(x_plot, norm.pdf(x_plot, mean, sigma), 'r-', label="pdf")                                                          

ax.legend(loc='best')

x_ticks = np.arange(-4*sigma, 4.1*sigma, sigma)                                  
x_labels = [r"${} \sigma$".format(i) for i in range(-4,5)]                       

ax.set_xticks(x_ticks)                                                           
ax.set_xticklabels(x_labels)                                                     

plt.show()

    de l'image de sortie est ceci:
    Python - Matplotlib: normalisation de l'axe lors de la représentation d'une Fonction de Densité de Probabilité

    et vous avez trop d'importations.
    vous importez decimals deux fois, une fois même avec *
    et puis numpy, pyplot et scipy sont inclus dans pylab. Aussi pourquoi importer l'ensemble de scipy.stats, puis à nouveau d'importer juste norme?

    Salut @MaxNoe et merci pour la réponse. Pour commencer, j'ai eu l'idée de faire soustrayant la moyenne de chaque élément, mais comme c'est un ensemble de valeurs que le chemin n'est pas correct. Je pense faire lines=[x-av for x in lines] des correctifs. De toute façon, je n'ai pas réussi à adapter mon code pour que et je parviens à la parcelle, mais je obtenir un très mauvais résultat. Tu veux dire que je n'ai qu'à "analyser" le ax.plot(...) ligne de votre code? Pourriez-vous s'il vous plaît ajouter le tracé de ligne manquante(s) de votre solution? Merci d'avance
    J'ai édité le code pour être un exemple minimal et a ajouté l'intrigue
    Droit, en fait il fait ce que j'ai demandé autour de l'axe dans le titre et fonctionne parfaitement avec un histogramme. Juste un petit problème que je rencontre à présent, je ne peux pas le tracé de la fonction de densité de probabilité il y a, si je n'ai que des pertes de sa forme en fait. J'utilise votre moyenne et de st. dev, mais je n'y arrive pas avec elle. Comment dois-je faire pour l'ajouter? Merci pour vos réponses
    si vous utilisez scipy.les stats.norme.pdf, il vous suffira de tracer une cloche gaussienne avec une moyenne=mean(x) et sigma=std(x). Et qui fonctionne pour moi, j'ai édité le post.
    Vous pouvez lui donner l'option de gamme. , range=[-2*sigma,2 *sigma]

    OriginalL'auteur MaxNoe