histogram函数 python_python中直方图的概率密度函数

可以使用累积密度函数从任意分布生成随机数，如described here。

使用直方图生成平滑的累积密度函数并不简单；您可以使用插值，例如scipy.interpolate.interp1d()，用于存储箱中心之间的值，这对于存储箱和项目数量相当大的直方图来说效果很好。然而，你必须决定概率函数尾部的形式，即对于小于或大于最大bin的值。您可以基于将高斯拟合到直方图的例子给出分布高斯尾)，或者根据您的问题给出任何其他形式的尾，或者简单地截断分布。

示例：import numpy

import scipy.interpolate

import random

import matplotlib.pyplot as pyplot

# create some normally distributed values and make a histogram

a = numpy.random.normal(size=10000)

counts, bins = numpy.histogram(a, bins=100, density=True)

cum_counts = numpy.cumsum(counts)

bin_widths = (bins[1:] - bins[:-1])

# generate more values with same distribution

x = cum_counts*bin_widths

y = bins[1:]

inverse_density_function = scipy.interpolate.interp1d(x, y)

b = numpy.zeros(10000)

for i in range(len( b )):

u = random.uniform( x[0], x[-1] )

b[i] = inverse_density_function( u )

# plot both

pyplot.hist(a, 100)

pyplot.hist(b, 100)

pyplot.show()

这不处理尾部，它可以更好地处理垃圾箱边缘，但它可以让您开始使用直方图生成具有相同分布的更多值。

另外，你也可以试着用一些数值来拟合一个特定的已知分布(我认为这是你在问题中提到的)，但是上面的非参数方法更通用。