python导入数据画直方图加正态曲线_Python数据分析入门 - 正态分布

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

%matplotlib inline

#matplotlib是最著名的Python图表绘制扩展库，它支持输出多种格式的图形图像，并且可以使用多种GUI界面库交互式地显示图表。使用%matplotlib命令可以将matplotlib的图表直接嵌入到Notebook之中，或者使用指定的界面库显示图表，它有一个参数指定matplotlib图表的显示方式。inline表示将图表嵌入到Notebook中。

%config InlineBackend.figure_format= 'retina'

#内嵌图表的输出格式缺省为PNG，可以通过%config命令修改这个配置。%config命令可以配置IPython中的各个可配置对象，其中InlineBackend对象为matplotlib输出内嵌图表时所使用的对象，我们配置它的figure_format="svg"，这样将内嵌图表的输出格式修改为SVG。

%magic

#查询magic command魔法命令的方法

#IPython提供了许多魔法命令，使得在IPython环境中的操作更加得心应手。魔法命令都以%或者%%开头，以%开头的成为行命令，%%开头的称为单元命令。行命令只对命令所在的行有效，而单元命令则必须出现在单元的第一行，对整个单元的代码进行处理。

#参考 http://hyry.dip.jp/tech/book/page/scipynew/ipython-200-notebook-magic.html

stakes_data = pd.read_csv('stakes.csv')

#此处导入正确，没有遇到小笼包（李佳）提到的csv文件格式无法识别的问题，若遇到，可参考http://www.jianshu.com/p/296ae7538d1f

stakes_data.head(5) #看看前五个数据

len(stakes_data) #看看数据集的大小

stakes_data.shape #或者利用T1里提到的办法查询数据的维度

time = stakes_data['time'] #如果是多维度，可以提取某列数据，（行怎么办？）

slice1 = stakes_data[0:3] #可以对行进行切片

#参考此pandas教程 http://www.cnblogs.com/chaosimple/p/4153083.html

#pandas里面的数据框DataFrame数据类型，其实和R语言里面的差不多。访问某一列可以通过b['state']和b.state这两种方法进行，但是输出的pandas里面的Series这种数据类型，因此b['state'].index()返回Index([0,1], dtype=object)。

slice1

slice1

row = stakes_data.loc[1:3,:] #实现查询某行，或按行查询

# 关于pandas库里面的行列操作 参考 http://blog.csdn.net/xiaodongxiexie/article/details/53108959

row

row

mean = time.mean() #求样本均值

mean

sd = time.std() #求样本标准差

sd

max = time.max() #求样本极大值以便确定范围上限

max

min = time.min() #求样本极小值以便确定范围下限

min

def normfun(x,mu,sigma):

pdf = np.exp(-((x-mu)**2)/(2*sigma**2))/(sigma*np.sqrt(2*np.pi))

return pdf

#定义normfun的概率分布密度函数如上，即定义器为以x为,mu为期望，sigma为标准差的正态分布。

#利用numpy中的arange函数构造最小145，最大155，步长为0.1的等差数组

x = np.arange(145,155,0.1)

y = normfun(x,mean,sd)

plt.plot(x,y) #看一眼正态图

正态图

plt.hist(time, bins = 6,rwidth=0.9,normed=True) #画time数据的直方图，nomred=True则显示其占比（概率密度）。 参考http://www.cnblogs.com/python-life/articles/6084059.html

plt.rcParams["font.family"] = "SimHei" #修改字体

plt.title(u'赛马时间正态分布图') #直方图命名后拿出来看看

plt.xlabel(u'时间')

plt.ylabel(u'占比率')

直方图

plt.hist(time, bins = 6,rwidth=0.9,normed=True) #画time数据的直方图

plt.rcParams["font.family"] = "SimHei" #修改字体

plt.plot(x,y) #把x,y构造的正态曲线放进来

plt.title(u'赛马时间正态分布图') #直方图命名后拿出来看看

plt.xlabel(u'时间')

plt.ylabel(u'占比率')

合并

这次作业里各个包的很多基础知识存在问题，查了很多链接也放在文内了。构造pdf的时候用到arange构造了一个等差数列这一点不太理解，回头再思考一下。

数据上，样本数据还是蛮符合正态分布的，正态分布是经典统计里面的基石，回归分析都是围绕着它来的，基于pdf的很多证明，比如F分布，Chi分布和正态分布的关系都是原来推倒过的，现在忘了不少，有空再捡起来吧，目前还是黑箱状态比较好，囫囵吞枣，用得上再说，不必纠结那么细。