用python画cdf图和直方图

最新推荐文章于 2024-04-15 20:02:56 发布
最新推荐文章于 2024-04-15 20:02:56 发布
阅读量1w 收藏 31
点赞数 10
分类专栏： python数据分析处理 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/dingdingdodo/article/details/103641318
版权

用python画cdf图和直方图

# -*- coding: utf-8 -*-
"""
Created on Fri Dec 20 10:13:27 2019
@author: Ding
"""
import numpy as np
import statsmodels.api as sm # recommended import according to the docs
import matplotlib.pyplot as plt
data=[14.27,14.80,12.28,17.09,15.10,12.92,15.56,15.38,
      15.15,13.98,14.90,15.91,14.52,15.63,13.83,13.66,
      13.98,14.47,14.65,14.73,15.18,14.49,14.56,15.03,
      15.40,14.68,13.33,14.41,14.19,15.21,14.75,14.41,
      14.04,13.68,15.31,14.32,13.64,14.77,14.30,14.62,
      14.10,15.47,13.73,13.65,15.02,14.01,14.92,15.47,
      13.75,14.87,15.28,14.43,13.96,14.57,15.49,15.13,
      14.23,14.44,14.57]
#=============绘制cdf图===============
ecdf = sm.distributions.ECDF(data)
#等差数列，用于绘制X轴数据
x = np.linspace(min(data), max(data))
# x轴数据上值对应的累计密度概率
y = ecdf(x)
#绘制阶梯图
plt.step(x, y)
plt.show()
#===============绘制条形图=============
fig,ax0 = plt.subplots(nrows=1,figsize=(6,6))
#第二个参数是柱子宽一些还是窄一些，越大越窄越密
ax0.hist(data,10,density=1,histtype='bar',facecolor='yellowgreen',alpha=0.75)

cdf图
直方图

coding丁
关注
  • 10
    点赞
  • 踩
  • 31
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
使用python绘制cdf的多种实现方法
09-17
今天小编就为大家分享一篇使用python绘制cdf的多种实现方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
Python 数据可视化 累积图
dujidan的博客
03-09 811
Python 数据可视化 累积图 # -*- coding: utf-8 -*- """ Created on Tue Mar 9 20:16:57 2021 @author: dujidan """ import numpy as np import matplotlib.pyplot as plt from scipy.stats import norm np.random.seed(0) mu = 200 sigma = 25 n_bins = 50 x = np.random.norm
Python 中实现 CDF 累积分布图的两种方法
增阅笔记
03-07 1503
累积分布函数，又叫分布函数，是概率密度函数的积分，能完整描述一个实随机变量X的概率分布。一般以大写“CDF”（Cumulative Distribution Function）标记。《百度百科》累积分布函数，又叫分布函数，是概率密度函数的积分，能完整描述一个实随机变量X的概率分布。一般以大写“CDF”（CumulativeDistributionFunction）标记。
累积分布函数图（CDF）的介绍、matlab的CDF图绘制方法（附源代码）
最新发布
callmeup的博客
04-15 2178
CDF图像是指累积分布函数图像，它是一种用来描述数据集的统计分布情况的图像表示方法。CDF图像用于展示数据集中各个数值的累积分布情况，即对于每个数值，CDF图像显示了小于或等于该数值的数据所占整个数据集的百分比。在CDF图像中，x轴表示数据集中的各个数值，通常按升序排列；y轴表示累积分布函数值，即小于等于对应数值的数据所占的百分比。CDF图像的曲线形状可以反映数据的分布特征，例如曲线越陡峭表示数据集中存在着更多较大或较小的数值。CDF图像可以帮助人们了解数据集整体的分布情况，并对数据集进行统计分析。
使用python绘制cdf的多种方法
tian_tian_hero的博客
12-25 3万+
使用python绘制cdf的多种方法 首先我们先用随机函数编造一个包含1000个数值的一维numpy数组，如下： // An highlighted block rng = np.random.RandomState(seed=12345) samples = stats.norm.rvs(size=1000, random_state=rng) 接下来我们将使用各种方法画出以上数据的累积分布图...
使用python画CDF
编程小栈
09-23 7816
写在前面的话 看了一圈google 搜索画 CDF 的前10的中文输入，发现又到我出马的时候了。 这种图片应该是不能要的吧。 用很多奇奇怪怪的方法画出来的可能不太OK , 所以打算写一个个人认为画出来很美观的并且还不错的方法。 个人参考的是这个链接https://stackoverflow.com/questions/39297523/plot-cdf-cumulative-histogram-using-seaborn-python 累计分布函数（CDF） 累积分布函数(Cumulative Dist
Python 绘制CDF图
桃子小迷妹
05-25 3195
import numpy as np import statsmodels.api as sm import matplotlib.pyplot as plt data = [] ecdf = sm.distributions.ECDF(data) x = np.linspace(min(data), max(data)) y = ecdf(x) for a, b in zip(x, y): print(a, b) plt.plot(x, y, linewidth='5', label='XX
python-指数分布介绍（scipy.stats.expon）
lanhezhong的博客
05-20 1万+
一、指数分布问题： 有一种品牌的路由器，据厂家统计知该路由器平均寿命是50000小时，现在有2个问题： 1、去年我买了一个这样的路由器，使用到现在已经8000小时了一点问题都没有，那我这台路由器还能用40000小时的概率是多少？ 2、 我现在推荐邻居也买了一个这样的路由器，邻居这台路由器可以用40000小时的概率是多少？ 二、 指数分布 泊松分布主要用于用于描述电子元器件的寿命，其为连续...
python 对一幅灰度图像进行直方图均衡化
12-16
#在numpy中，也提供了一个计算直方图的函数histogram(),第一个返回的是直方图的统计量，第二个为每个bins的中间值 imhist,bins = histogram(im.flatten(),nbr_bins,normed= True) cdf = imhist.cumsum() # cdf =...
Python处理PDF与CDF实例
09-17
今天小编就为大家分享一篇Python处理PDF与CDF实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
python画双y轴图像的示例代码
01-20
很多时候可能需要在一个图中画出多条函数图像，但是可能y轴的物理含义不一样，或是数值范围相差较大，此时就需要双y轴。 matplotlib和seaborn都可以画双y轴图像。 一个例子： import seaborn as sns import ...
python + seaborn绘制直方图、核密度图、累积分布和边际分布
Cachel Wood的博客
08-05 701
由于 displot() 是一个图形级函数，并绘制在 FacetGrid 上，因此也可以通过将第二个变量赋值给 col 或 row 而不是（或除了赋值给色调），在单独的子图中绘制每个单独的分布。由于密度无法直接解释，因此等值线是按密度的等比例绘制的，这意味着每条曲线都显示了一个水平集，即密度的某个比例 p 位于该水平集之下。迄今为止的所有示例都考虑了单变量分布：单一变量的分布，可能以分配给色调的第二个变量为条件。在此之前，还需要注意的一点是，当子集的观测值数量不等时，用计数来比较它们的分布可能并不理想。
Python 计算累积分布函数CDF并绘图
weixin_44589540的博客
03-22 2403
FaP⁡X≤aFaPX≤a即累积分布函数表示：对离散变量而言，所有小于等于a的值出现概率的和。（来源于百度百科。
python画累积分布图_绘制python数据时间的累积图
weixin_39928768的博客
12-04 1306
Say I have a list of datetimes, and we know each datetime to be the recorded time of an event happening.Is it possible in matplotlib to graph the frequency of this event occuring over time, showing th...
python 画cdf曲线
qq_40514570的博客
07-17 5718
https://www.cnblogs.com/wangjingchn/p/7376470.html
python画分布、密度等图形
热门推荐
jinruoyanxu的博客
11-29 14万+
%matplotlib inline Populating the interactive namespace from numpy and matplotlib import seaborn as sns import numpy as np from numpy.random import randn import matplotlib as mpl import matplotlib
Python数据可视化的例子——直方图（hist）和核密度曲线（kde）
Fo*(Bi)的博客
08-24 4万+
直方图一般用来观察数据的分布形态，横坐标代表数值的均匀分段，纵坐标代表每个段内的观测数量（频数）。一般直方图都会与核密度图搭配使用，目的是更加清晰地掌握数据的分布特征，下面将详细介绍该类型图形的绘制。 1．matplotlib模块 matplotlib模块中的hist函数就是用来绘制直方图的。关于该函数的语法及参数含义如下： plt.hist(x, bins=10, range=None, normed=False, weights=None, cumulative=False, bottom=
数据中台(三) 数据中台概述
知行合一
09-21 5353
数据中台的定义 数据中台是一套可持续“让企业的数据用起来”的机制，一种战略选择和组织形式，是依据企业特有的业务模式和组织架构，通过有形的产品和实施方法论支撑，构建一套持续不断把数据变成资产并服务于业务的机制。 数据中台的使命就是持续让数据用起来，它的一个根本性创新就是把“数据资产”作为一个基础要素独立出来，让成为资产的数据作为生产资料融入业务价值创造过程，持续产生价值，业务产生数据，数据服务业务，业务在阳，数据在阴，阴阳互补，形成闭环。 数据中台的核心能力 数据中台帮助企业实现数据的汇聚整合，.
用python实现灰度图的直方图均衡化
09-06
### 回答1： 下面是使用 Python 实现灰度图的直方图均衡化的代码： ```python import cv2 import numpy as np # 读入图像 img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE) # 计算图像的直方图 hist = cv2.calcHist([img], [0], None, [256], [0, 256]) # 计算累计分布函数 cdf = hist.cumsum() cdf_normalized = cdf * hist.max() / cdf.max() # 用累计分布函数计算每个灰度值的新值 lut = np.zeros(256, dtype=img.dtype) for i in range(256): lut[i] = np.uint8(cdf_normalized[i] * 255 / cdf_normalized.max()) # 将每个灰度值替换为新值 result = cv2.LUT(img, lut) # 保存结果图像 cv2.imwrite('result.jpg', result) ``` 这段代码先使用 OpenCV 读入灰度图像，然后计算直方图并计算累计分布函数，最后使用累计分布函数计算新的灰度值并将灰度值替换为新值，最后保存结果图像。 ### 回答2： 直方图均衡化是一种图像处理方法，通过增加图像的对比度来改善图像的视觉效果。在Python中，我们可以使用OpenCV库来实现灰度图的直方图均衡化。 首先，我们需要安装OpenCV库。在命令行中运行以下命令： pip install opencv-python 接下来，我们可以使用以下代码实现灰度图的直方图均衡化： ```python import cv2 def histogram_equalization(image): gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 将彩色图像转换为灰度图像 equalized_image = cv2.equalizeHist(gray_image) # 对灰度图像进行直方图均衡化 return equalized_image if __name__ == "__main__": image = cv2.imread("input.jpg") # 读取图像 equalized_image = histogram_equalization(image) # 对图像进行直方图均衡化 cv2.imshow("Original Image", image) # 显示原始图像 cv2.imshow("Equalized Image", equalized_image) # 显示直方图均衡化后的图像 cv2.waitKey(0) cv2.destroyAllWindows() ``` 在代码中，我们首先使用cv2.cvtColor()函数将彩色图像转换为灰度图像。然后，我们使用cv2.equalizeHist()函数对灰度图像进行直方图均衡化。最后，使用cv2.imshow()函数显示原始图像和直方图均衡化后的图像。 需要注意的是，上述代码中的"input.jpg"是输入图像的文件名，请根据实际情况进行修改。此外，为了使图像窗口显示得更长时间，我们使用cv2.waitKey(0)在按下任意键之前保持窗口打开，最后使用cv2.destroyAllWindows()关闭图像窗口。 使用以上代码，您可以实现灰度图的直方图均衡化，并查看结果图像的改善效果。 ### 回答3： 直方图均衡化是一种用于增强图像对比度的方法，在灰度图像中特别有效。下面是用Python实现灰度图的直方图均衡化的简要过程： 1. 导入所需的Python库：首先，使用import语句导入所需的Python库，包括numpy、cv2和matplotlib。 2. 读取灰度图像：使用cv2的imread函数读取灰度图像。确保图像已转换为灰度格式，以便适应直方图均衡化的处理过程。 3. 计算灰度直方图：使用numpy的histogram函数来计算图像的灰度直方图。此函数会返回一个元组，其中第一个元素是灰度级别的数组，第二个元素是对应每个灰度级别的像素数量。 4. 计算累积分布函数：对灰度直方图的数量进行累加运算，计算得到累积分布函数。这可以通过numpy的cumsum函数来实现。 5. 计算映射值：根据累积分布函数的计算结果，计算每个灰度级别的映射值。这可以通过将累积分布函数的最小值归一化到0，最大值归一化到255，并使用numpy的round函数将结果四舍五入到最接近的整数来实现。 6. 对图像进行直方图均衡化：使用opencv的LUT函数将计算出的映射值应用于输入图像，从而得到均衡化的图像。 7. 显示图像和直方图：使用matplotlib的imshow和plot函数分别显示均衡化的图像和原始图像的直方图。 这是一个简单的实现流程，可以根据实际需求进行适当的调整和优化。使用Python编写的完整代码可以在网上找到，并且也可以根据自己的理解和需求进行修改和扩展。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值