Agrégation et visualisation des nombres accumulés

Nous utiliserons les données suivantes.

x = [i for i in range(1,11)]
# [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

Je souhaite créer une fonction de distribution cumulative pour les valeurs contenues dans cette variable x.

Lors de l'utilisation de la fonction cumsum des pandas

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt


x = [i for i in range(1,11)]

df = pd.DataFrame(x, columns=['x'])
df["cumsum"] = df.x.cumsum() #Ajouter la somme cumulée
df["cumsum_ratio"] = df.x.cumsum()/sum(df.x) #Probabilité d'atteindre la valeur de Cumsum

En conséquence, df a la structure suivante. (L'index n'est pas affiché)

Vous pouvez dessiner ceci.

fig, ax = plt.subplots(figsize=(4, 4))
ax.set_xlabel('Value')
ax.set_ylabel('Cumulative Frequency') 
ax.set_xlim(0,10)
ax.scatter(df.x, df.cumsum_ratio, color="blue",s=10) 
ax.plot(df.x, df.cumsum_ratio, color="blue", marker='o',markersize=1) 

Lors de l'utilisation de la fonction stats.cumfreq de scipy

https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.cumfreq.html

Il ne s'agit pas d'une fonction de distribution cumulative, mais elle peut être utilisée comme suit.

import numpy as np
from scipy import stats
import matplotlib.pyplot as plt

x = [i for i in range(1,11)]

res = stats.cumfreq(x, numbins=10)
x_ = res.lowerlimit + np.linspace(0, res.binsize*res.cumcount.size, res.cumcount.size)


x_1 = np.arange(counts.size) * binsize + start 

fig, ax = plt.subplots(figsize=(4, 4))
ax.plot(x_, res.cumcount, 'ro')
ax.set_title('Cumulative histogram')
ax.set_xlim([x_.min(), x_.max()])