Gráfico quantil-quantil em Python
-
Gráfico quantil-quantil com o pacote
statsmodels
em Python -
Gráfico quantil-quantil com o pacote
openturns
em Python
Este tutorial irá apresentar os métodos para desenhar gráficos quantil-quantis em Python.
Gráfico quantil-quantil com o pacote statsmodels
em Python
Um gráfico quantil-quantil é usado para avaliar se nossos dados estão em conformidade com uma distribuição particular ou não. Ele pode ser usado para verificar se o conjunto de dados fornecido é normalmente distribuído ou não. Podemos usar o pacote statsmodels
para traçar um gráfico quantil-quantil em Python. O comando para instalar statsmodels
é dado abaixo.
pip install statsmodels
A função qqplot()
dentro do pacote statsmodels
traça gráficos quantil-quantil. Esta função pega nossos dados e o tipo de linha a ser desenhada. O trecho de código a seguir nos mostra como plotar um gráfico quantil-quantil com o pacote statsmodels
.
import numpy as np
import statsmodels.api as smi
import pylab
sample_data = np.random.normal(0, 1, 1000)
smi.qqplot(sample_data, line="r")
pylab.show()
Produção:
Traçamos um gráfico quantil-quantil com a função smi.qqplot(sample_data, line = "r")
no pacote statsmodels
no código acima. Geramos nossos dados normais contendo 1000 entradas com a função sample_data = np.random.normal(0,1, 1000)
. No final, usamos o pacote pylab
para exibir nosso gráfico com a função pylab.show()
.
Este método nos dá controle completo sobre o tipo de linha de referência a ser traçada. No gráfico acima, definimos a linha de referência como uma linha de regressão.
Gráfico quantil-quantil com o pacote openturns
em Python
Outro método para traçar um gráfico quantil-quantil em Python é usando o pacote openturns
. É um pacote externo, portanto, precisamos instalá-lo antes de usá-lo em nosso código. O comando para instalar o pacote openturns
é fornecido abaixo.
pip install openturns
A função VisualTest.DrawQQplot()
é usada para traçar gráficos quantil-quantil dentro do pacote openturns
. O primeiro parâmetro desta função precisa ser um dado de amostra; o segundo parâmetro pode ser outro dado de amostra ou uma distribuição seguida por outro terceiro parâmetro especificando o número de pontos. Para este exemplo, vamos representar graficamente uma amostra de distribuição normal em relação a uma amostra de distribuição uniforme. O trecho de código a seguir nos mostra como plotar um gráfico quantil-quantil com o pacote openturns
.
import openturns as ot
x = ot.Normal().getSample(1000000)
y = ot.Uniform().getSample(1000000)
g = ot.VisualTest.DrawQQplot(x, y)
g
Produção:
Testamos uma amostra de uma distribuição normal com uma amostra de uma distribuição uniforme com a função VisualTest.DrawQQplot(x, y)
no pacote openturns
no código acima. Geramos nossos dados de amostra da distribuição normal contendo um milhão de entradas com x = ot.Normal().getSample(1000000)
. Geramos nossos dados de amostra a partir da distribuição uniforme contendo um milhão de entradas com y = ot.Uniform().getSample(1000000)
.
Este método não fornece controle sobre a linha de referência / teste.
Maisam is a highly skilled and motivated Data Scientist. He has over 4 years of experience with Python programming language. He loves solving complex problems and sharing his results on the internet.
LinkedIn