输入直方图的累积分布函数

Question

我想从包含数据的输入文件构建累积分布函数 (CDF) 以生成直方图。输入文件每个 bin 一列，一列包含每个 bin 内的出现次数，因此它看起来像这样：

bin     column6
0       1189
5       11957
10      24203
15      21518
20      14515
25      10323
30      7799
35      6015
40      4869
45      3858
50      3215
55      2615
60      2350
65      1890
70      1673
75      1433
80      1218
85      942
90      869
95      736
100     605
105     528
110     449
115     429
120     327
125     252
130     208
135     170
140     154
145     138
150     124
155     86
160     113
165     108
170     71
175     72
180     51
185     58
190     37
195     29
200     35
205     24
210     11
215     24
220     16
225     20
230     15
235     5
240     11
245     4
250     4
255     6
260     6
265     6
270     4
275     3
280     4
285     2
290     3
295     1
300     5
305     3
310     2
315     1
320     1
325     2
330     0
335     1
340     2
345     0
350     0
355     2
360     4
365     2
370     0
375     1
380     1
385     2
390     0
395     1
400     1
405     1

我使用 R 使用以下代码可视化直方图：

library(ggplot2)

input <- read.table('/home/agalvez/data/domains/histo_leu.txt', sep="\t", header=TRUE)

histo <- ggplot(data=input, aes(x=input$bin, y=input$column6)) +
  geom_bar(stat="identity")
 
histo

有人可以就如何为这个直方图构建 CDF 给我一些建议吗？提前致谢！

Answer 1

有点不清楚的问题，我假设您正在寻找 eCDF，因为任何参数 CDF 通常都有一个解析公式。

在 R 中，您可以使用 ecdf 生成 eCDF。

library(purrr)
library(tidyr)
library(dplyr)
library(ggplot2)
input <- input %>%
    filter(column6 != 0) %>%
    mutate(
        column6 = map(column6, ~1:.x)
    ) %>%
    unnest(column6)
# Make the ecdf
 input %$%
    ecdf(bin)
# To plot use stat_ecdf
input %>%
    ggplot(aes(bin))+
    stat_ecdf(geom = "step")

输入直方图的累积分布函数

Cumulative Distribution Function from input histogram

r

distribution

probability-density

probability-distribution