用一组分布拟合直方图

Question

我有一个程序，可以刮去维基百科页面，并找到从任意随机页面到哲学页面的长度。程序生成路径长度列表（从源页面到哲学），这些路径将传递给另一个函数，该函数绘制每个路径长度的频率。我的方法是基于thisSO post的答案。

在这个函数中，我用一组不同的分布曲线拟合曲线，以确定哪一条曲线最适合数据集。出于某种原因，分布曲线看起来偏离中心，远离图中的实际直方图：

似乎分布应该在直方图之间居中。以下是绘制频率的功能：

def plot_lengths(lens):
    """Plot the distribution of path lengths."""
    freq = {}
    max_len = 0

    for length in lens:
        max_len = max(length,max_len)
        if length in freq:
            freq[length] += 1
        else:
            freq[length] = 1
    max_freq = max(freq.values())
    bins = range(0, max_len + 1, 2)
    plt.hist(lens,bins,histtype = 'bar',rwidth = 0.8)
    plt.xlabel('x')
    plt.ylabel('Path Lengths')
    plt.title('Distribution of path lengths')
    dist_names = ['gamma', 'beta', 'rayleigh', 'norm', 'pareto']

    for dist_name in dist_names:
        dist = getattr(scipy.stats, dist_name)
        param = dist.fit(lens)
        pdf_fitted = dist.pdf(bins, *param[:-2], loc=param[-2], scale=param[-1]) * len(lens)
        plt.plot(pdf_fitted, label=dist_name)
        plt.xlim(0,max_len)
        plt.ylim(0,max_freq)
    plt.legend(loc='upper right')
    plt.show()

什么会导致图中的分布偏离中心？

Answer 1

绘制配合时忘记设置x。 第2个for循环中的第4行应该是

plt.plot(bins, pdf_fitted, label=dist_name)