如何绘制python中的概率质量函数

Question

如何创建一个直方图，该直方图显示给定的数组x从0到1范围内的概率分布？我期望每个栏是< = 1，如果我总结每个栏的y值，他们应该加起来为1.

例如，如果x = [.2，.2，.8]，那么我会期望一个图表显示2条，一条在.2处，高度为0.66，一条在0.8处，高度为0.33。

我已经试过：

matplotlib.pyplot.hist(x, bins=50, normed=True) 

这给了我与上面去1.我不是说这是错误的，因为这正是赋范参数将根据文档做吧直方图，但没有按不显示概率。

我也试过：

counts, bins = numpy.histogram(x, bins=50, density=True) 
bins = bins[:-1] + (bins[1] - bins[0])/2 
matplotlib.pyplot.bar(bins, counts, 1.0/50) 

这也给了我条，其Y值之和大于1

Answer 1

我认为我的原始术语是关闭的。我有一组连续值[0-1），我想要离散化并用它来绘制概率质量函数。我认为这可能是普遍的，足以保证一个单一的方法来做到这一点。

下面的代码：

x = [random.random() for r in xrange(1000)] 
num_bins = 50 
counts, bins = np.histogram(x, bins=num_bins) 
bins = bins[:-1] + (bins[1] - bins[0])/2 
probs = counts/float(counts.sum()) 
print probs.sum() # 1.0 
plt.bar(bins, probs, 1.0/num_bins) 
plt.show() 

Answer 2

我认为你是一个误总和为的整体。一个适当的PRF（概率分布函数）整合到统一中;如果你只是简单地拿出你可能错过矩形大小的总和。

import numpy as np 
import pylab as plt 

N = 10**5 
X = np.random.normal(size=N) 

counts, bins = np.histogram(X,bins=50, density=True) 
bins = bins[:-1] + (bins[1] - bins[0])/2 

print np.trapz(counts, bins) 

给出.999985，它足够接近统一。

编辑：响应于下面的评论：

如果x =和我正在寻找与两个杆，一个在0.2的曲线图[2，0.2，0.8。]高度为.66，因为66％的数值在.2和一个在0.8的高度为0.33的柱状图，那么该图将被调用，我该如何生成它？

以下代码：

from collections import Counter 
x = [.2,.2,.8] 
C = Counter(x) 
total = float(sum(C.values())) 
for key in C: C[key] /= total 

给出了一个 “字典” C=Counter({0.2: 0.666666, 0.8: 0.333333})。从这里可以构建一个条形图，但是这只有在PDF为离散时才有效，并且只采用一组有限的固定值，这些值彼此分开。