python plt画图横纵坐标0点重合

最新推荐文章于 2024-01-31 10:27:41 发布

TravelingLight77

最新推荐文章于 2024-01-31 10:27:41 发布

阅读量5.6k

点赞数 5

分类专栏： Python Python画图文章标签： python

原文链接：https://www.cnblogs.com/zheng123/p/9354965.html

版权

Python 同时被 2 个专栏收录

65 篇文章 8 订阅

订阅专栏

Python画图

3 篇文章 2 订阅

订阅专栏

该博客展示了如何使用Python的matplotlib库绘制累积分布直方图，并计算95%的置信区间。通过设置图表样式，生成了一条红色的累积频率曲线，并确定了特定累积频率对应的数值。此代码适用于数据分析和可视化场景。

摘要由CSDN通过智能技术生成

# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt
from scipy import optimize

plt.rcParams['font.sans-serif']=['SimHei']  #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  #用来正常显示负号

ax = plt.gca()
#去掉边框
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
#移位置 设为原点相交
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))

# 数据
mu = 100 # mean of distribution
sigma = 15 # standard deviation of distribution
x = mu + sigma * np.random.randn(10000)

percentage = 0.95
num_bins = 20
cnt = plt.hist(x, num_bins, normed=1, facecolor='blue', alpha=0.5, cumulative=True)
x = []
y = []
for index in range(len(cnt[1])):
    if index != 0:
        x.append(cnt[1][index])
for index in range(len(cnt[0])):
    y.append(cnt[0][index])
plt.plot(x, y, "red")
x_per = []
y_per = []
for index in range(len(y)):
    if y[index] > 0.95:
        y_per.append(y[index-1])
        y_per.append(y[index])
        x_per.append(x[index-1])
        x_per.append(x[index])
        break
a = (y_per[1]-y_per[0])/(x_per[1]-x_per[0])
b = y_per[1]-a*x_per[1]
y_label = percentage
x_label = (y_label-b)/a
print(x_label)
print(y_label)
x1 = np.linspace(0, x_label, 50)
y1 = x1*0+percentage
plt.plot(x1, y1, "r--")
plt.xlabel('品位')
plt.ylabel('累计频率')
plt.title(r'品位频率累积分布直方图')
# Tweak spacing to prevent clipping of ylabel
plt.show()

效果如下：

在这里插入图片描述
关键代码如下：

ax = plt.gca()

#去掉边框
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')

#移位置 设为原点相交
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))