python概率密度函数参数估计_使用Python估计数据概率分布函数

现有的数据是有探测器测得的脉冲信号，需要对其发生时间进行一个估计。

主要思想是，通过hist方法将不同时间间隔出现的次数进行一个计数。

经过统计可以得到

[1.4000000e+013.2000000e+01，7.8000000e+01，1.1600000e+02，1.8800000e+02，2.2200000e+02，2.6300000e+02，3.1200000e+02，3.2200000e+02，4.2100000e+02，4.8800000e+02，5.0400000e+02，5.1900000e+02，5.7200000e+02，7.2600000e+02，9.4500000e+02，1.0100000e+03，1.0650000e+03，1.1900000e+03]

这些位置出现了脉冲峰，需要验证它们之间出现的间隔分布。

第一步，读取脉冲位置并计算脉冲间时间间隔

def read_diff():

d = pd.read_table('data/peaks.csv', names=['pks', 'locs', 'None'], delim_whitespace=True)

time = d['locs']

dif = []

for i, ele in enumerate(time[1:]):

dif.append(ele - time[i])

return dif

使用pandas的read_table方法，由于是在win平台下，各种格式问题，导致读入后会出现三列(应该为峰值一列，位置一列)，最后一列应该为win下的’\t’，想着不碍事，就没仔细研究。

第二步，对间隔频率进行统计

对时间间隔进行统计可以直接使用Pandas.Series的的hist方法，也可以使用pylab中的hist方法。

其实Pandas中的画图方法也是调用的matplotlib,都可以在画出直方图的同时进行密度估计，但是这两个方法有一个最大的区别就是，pylab中的hist可以指定一个range参数.

```matplotlib.pyplot.hist(x, bins=10, range=None, normed=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, hold=None, data=None, **kwargs)

range : tuple or None, optional

The lowe