我想为几个 numpy 数组(每个数组的长度不同)制作一组可比较的经验 CDF，并将它们存储在 pandas 数据框中:
a = scipy.randn(100)
b = scipy.randn(500)
# ECDF from statmodels
cdf_a = ECDF(a)
cdf_b = ECDF(b)
问题是 cdf_a.x, cdf_a.y 与 cdf_b.x, cdf_b.y 的长度不同，我希望它们相同长度，即使用相同数量的箱子来计算 CDF，以便可以从 pandas DataFrame 以相同的比例绘制这些箱子。这是不可能的:
df = pandas.DataFrame({"cdf_a": cdf_a.y, "cdf_b": cdf_b.y})
因为cdfs的长度不一样。在计算它们的 CDF 时，如何使用相似的分箱对 a 和 b 进行分箱，以便获得可比较的相同长度向量？
这是最好的解决方案吗？
bins = np.linspace(0, 1, 10)
v1 = cdf_a(bins)
v2 = cdf_b(bins)
请您参考如下方法:
我们在一些拟合优度测试中使用它的方法是堆叠数组，因此它们在所有点上定义，来自两个数组的点。
然后使用 np.searchsorted 得到排名，数据集 1 中低于 x 的点数和数据集 2 中低于 x 的点数。
如果我没记错的话，看看scipy.stats.ks_2samp
data1 = np.sort(data1)
data2 = np.sort(data2)
data_all = np.concatenate([data1,data2])
cdf1 = np.searchsorted(data1,data_all,side='right')/(1.0*n1)
cdf2 = (np.searchsorted(data2,data_all,side='right'))/(1.0*n2)
