QQ图初学经验总结

s = pd.DataFrame(np.random.randn(1000)+10,columns = ['value'])
# 创建随机函数

mean = s['value'].mean()
std = s['value'].std()
print('平均数：',mean)
print('标准差：',std)

st = s['value'].describe()
print('s的统计：\n',st)
x1,y1 = 0.25,st['25%']
x2,y2 = 0.75,st['75%']
print('%.3f位数是：%.5f,%.3f位数是：%.5f,'%(x1,y1,x2,y2))

s.sort_values(by = 'value',inplace = True)
# 排序
s_r = s.reset_index(drop = False)
# 重新设置index

s_r['p'] = (s_r['value'].index - 0.5)/len(s_r)
#计算出每个数据对应的百分位p{i} ，即p(i)=(i-0.5)/n

s_r['q'] = (s_r['value'] - mean)/std    # 标准值，可能无用
print('-----------')

fig = plt.figure(figsize = (10,12))
# 大图
ax1 = fig.add_subplot(3,1,1)
ax1.scatter(s.index,s['value'])
# 散点图

ax2 = fig.add_subplot(3,1,2)
s.hist(bins = 30,ax = ax2)
s.plot(kind = 'kde',ax = ax2,secondary_y=True)
# 直方图 + 密度图

ax3 = fig.add_subplot(3,1,3)
ax3.plot(s_r['p'],s_r['value'],color = 'k')
ax3.plot([x1,x2],[y1,y2],'r',alpha = 0.5)
# QQ图 + 四分位之（1,3）图

---

输出结果：
平均数： 9.987506073796338
标准差： 0.9879192032907618
s的统计：
 count    1000.000000
mean        9.987506
std         0.987919
min         6.804521
25%         9.317649
50%         9.974168
75%        10.677966
max        12.873057
Name: value, dtype: float64
0.250位数是：9.31765,0.750位数是：10.67797,
-----------

Out[44]:

[<matplotlib.lines.Line2D at 0x28381bd9780>]