python 绘制分布直方图_为什么ECDF优于直方图

在这篇文章中，我们将学习使用python绘制直方图和ecdf，然后我们将探究为什么将ecdf作为第一个可视化工具是更好的选择。我们将使用iris机器学习数据集绘制setosa花瓣长度的直方图。

导入所有必需的Python库

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsfrom sklearn.datasets import load_iris

获取iris机器学习数据并将其转换为dataframe

data = load_iris()iris = pd.DataFrame(data= np.c_[data['data'], data['target']], columns= data['feature_names'] + ['target'])

使用setosa类，并用6个bins绘制其花瓣长度的直方图。

#subsettingsetosa = iris[iris['target'] == 0]#histogramsns.set_style('whitegrid')_ = plt.hist(setosa['petal length (cm)'], bins = 6)plt.title('Histogram')plt.xlabel('setosa petal length (cm)')plt.ylabel('counts')plt.show()

您可以从上面的Python代码中看到直方图。请注意直方图的结构，条形高度在1.3到1.7之间。

想象一下5个bins 的相同直方图，并注意分布如何变化。数据的存储方式可能会改变理解数据的方式。这称为Binning Bias。

还有别的选择吗?

ECDF代表经验累积分布函数，您应该更多地使用它来理解数据。当应用于setosa dataframe时，自定义ecdf函数的输出包含两个数组