我有以下值列表：
x = [-0.04124324405924407, 0, 0.005249724476788287, 0.03599351958245578, -0.00252785423151014, 0.01007584102031178, -0.002510349639322063,...]
我想计算经验密度函数，所以我想我需要计算经验累积分布函数，我使用了这段代码：
counts = np.asarray(np.bincount(x), dtype=float)
cdf = counts.cumsum() / counts.sum()
然后我计算这个值：
print cdf[0.01007584102031178]
我总是得到 1，所以我想我犯了一个错误。你知道如何解决吗？ 谢谢！
【问题讨论】：
标签： python statistics
经验 cdf 的通常定义是小于或等于给定值的观察数除以观察总数。使用 1d numpy 数组，这是 x[x <= v].size / x.size（浮点除法，在 python2 中你需要 from __future__ import division）：
x = np.array([-0.04124324405924407, 0,
0.005249724476788287, 0.03599351958245578,
-0.00252785423151014, 0.01007584102031178,
-0.002510349639322063])
v = 0.01007584102031178
print(x[x <= v].size / x.size)
将打印 0.857142857143，（如果 0.01007584102031178 处的经验 cdf 为 6 / 7，则实际值为 6 / 7）。
如果您的数组很大并且您需要计算多个值的 cdf，这将非常昂贵。在这种情况下，您可以保留数据的排序副本并使用 np.searchsorted() 找出观察次数
def ecdf(x):
x = np.sort(x)
def result(v):
return np.searchsorted(x, v, side='right') / x.size
return result
cdf = ecdf(x)
print(cdf(v))
【讨论】：
return np.searchsorted(x, v, side='right') / float(x.size)，否则返回语句是整数/整数，因此返回 0 或 1。
from __future__ import division，则不必这样做。
这里有两个问题：
np.bincount 仅对整数数组有意义。它创建数组值的直方图，四舍五入为整数。如需更复杂的直方图，请使用np.histogram。它可以在浮点数上工作，您可以明确说明 bin 计数或 bin 边界，以及规范化。
此外，cdf 在您的情况下表示正常的 numpy 数组。数组索引只能是整数，因此您的查询cdf[0.01007584102031178] 向下舍入为cdf[0]。
所以总的来说，您的代码确实首先计算整数（它们都四舍五入为 0），因此您的标准化 cdf 之后就是 cdf == [ 1. ]。然后你的索引被四舍五入，所以你查询 cdf[0] 是 1。
【讨论】：