Skip to main content
 首页 » 编程设计

python之我可以将预训练的 pdf 函数传递给 seaborn.distplot 吗

2024年11月24日9tintown

我知道您可以使用 seaborn.distplot 将数据绘制成直方图并在其上叠加分布。我知道一个参数允许您传入 pdf 函数来执行此操作。在源代码中,它看起来像是在内部调用 fit() 来进行训练。我想知道是否有一种方法可以预训练模型,然后直接使用它。

我曾尝试使用代表我的分布的 lambda 函数,但我不断收到错误。 我也曾尝试将参数传递到 seaborn.distplot 以帮助训练我想要的设置,但这也没有用。

方法 1 - 对预训练模型使用 lambda:

import seaborn as sns 
from scipy import stats 
 
params = stats.exponweib.fit(data, floc=0, f0=1) 
custom_weib = lambda x: stats.exponweib.pdf(x, *params) 
sns.distplot(data, bins=bin_count, fit=custom_weib, norm_hist=True, kde=False, hist_kws={'log':True}) 

我看到了这条错误信息: AttributeError: 'function' 对象没有属性 'fit' ^ 它不能采用预训练模型。

方法 2 - 尝试将参数作为 fit 方法的一部分传递。(我不知道我这样做是否正确。)

import seaborn as sns 
from scipy import stats 
 
sns.distplot(data, bins=bin_count, norm_hist=True, kde=False, hist_kws=hist_kws, fit=stats.exponweib, floc=0, f0=1) 

我得到这个异常:TypeError: distplot() 得到了一个意外的关键字参数 'floc' ^ 很明显我没有正确传递变量,但我不知道如何传递。

如果您需要,这里有一个指向 Seaborn 源代码的链接:https://github.com/mwaskom/seaborn/blob/master/seaborn/distributions.py

请您参考如下方法:

原则上,不可能为 seaborn 的 fit 提供任何参数。这是由于 line源代码中的params = fit.fit(a)。

但是,看起来您可以通过提供一个提供 fit() 和 pdf() 方法的对象并修改该对象中的参数来欺骗 seaborn。

import numpy as np 
from scipy.stats import exponweib 
import matplotlib.pyplot as plt 
import seaborn as sns 
 
fig, ax = plt.subplots(1, 1) 
 
class MyDist(): 
    def __init__(self, **kw): 
        self.dist = exponweib 
        self.kw = kw 
 
    def fit(self, data): 
        return self.dist.fit(data, **self.kw) 
 
    def pdf(self, data, *args, **kw): 
        return self.dist.pdf(data, *args, **kw) 
 
 
r = exponweib.rvs(3, 2, loc=0.3, scale=1.3, size=100000) 
 
sns.distplot(r, fit=MyDist(floc=0.3, fscale=1.3), norm_hist=True, kde=False) 
 
 
params = exponweib.fit(r, floc=0.3, fscale=1.3) 
x = np.linspace(0.1, 4.1, 100) 
ax.plot(x, exponweib.pdf(x, *params), 
        'r-', lw=3, alpha=0.6) 
 
 
plt.show()