Ctrl+K
scipy.stats._result_classes.FitResult.

plot#

FitResult.plot(ax=None, *, plot_type='hist')[source]#

視覺化地比較資料與擬合的分佈。

僅在安裝 matplotlib 時可用。

參數:
axmatplotlib.axes.Axes

用於繪製圖表的 Axes 物件，否則使用目前的 Axes。

plot_type{“hist”, “qq”, “pp”, “cdf”}

要繪製的圖表類型。選項包括

  • “hist”：將擬合分佈的 PDF/PMF 疊加在資料的標準化直方圖之上。

  • “qq”：理論分位數與經驗分位數的散佈圖。具體來說，x 坐標是在百分位數 (np.arange(1, n) - 0.5)/n 處評估的擬合分佈 PPF 值，其中 n 是資料點的數量，而 y 坐標是排序後的資料點。

  • “pp”：理論百分位數與觀察到的百分位數的散佈圖。具體來說，x 坐標是百分位數 (np.arange(1, n) - 0.5)/n，其中 n 是資料點的數量，而 y 坐標是在排序後的資料點處評估的擬合分佈 CDF 值。

  • “cdf”：將擬合分佈的 CDF 疊加在經驗 CDF 之上。具體來說，經驗 CDF 的 x 坐標是排序後的資料點，而 y 坐標是百分位數 (np.arange(1, n) - 0.5)/n，其中 n 是資料點的數量。

回傳值:
axmatplotlib.axes.Axes

繪製圖表的 matplotlib Axes 物件。

範例

>>> import numpy as np
>>> from scipy import stats
>>> import matplotlib.pyplot as plt  # matplotlib must be installed
>>> rng = np.random.default_rng()
>>> data = stats.nbinom(5, 0.5).rvs(size=1000, random_state=rng)
>>> bounds = [(0, 30), (0, 1)]
>>> res = stats.fit(stats.nbinom, data, bounds)
>>> ax = res.plot()  # save matplotlib Axes object

可以使用 matplotlib.axes.Axes 物件來自訂圖表。詳情請參閱 matplotlib.axes.Axes 文件。

>>> ax.set_xlabel('number of trials')  # customize axis label
>>> ax.get_children()[0].set_linewidth(5)  # customize line widths
>>> ax.legend()
>>> plt.show()
../../_images/scipy-stats-_result_classes-FitResult-plot-1.png
在本頁面上