statsmodels.graphics.gofplots.qqplot_2samples¶

statsmodels.graphics.gofplots.qqplot_2samples(data1, data2, xlabel=None, ylabel=None, line=None, ax=None)[source]¶

两个样本分位数的Q-Q图。

可以接受两个ProbPlot实例或两个类似数组的对象。在后者的情况下，两个输入都将使用默认值转换为ProbPlot实例 - 因此，如果需要对分位数计算进行更精细的控制，请使用ProbPlot实例。

Parameters:¶

data1{array_like, ProbPlot}

沿x轴绘制的数据。如果样本大小不相等，较长的序列总是沿x轴绘制。

data2{array_like, ProbPlot}

沿y轴绘制的数据。不需要与数据1具有相同数量的观测值。如果样本大小不相等，较长的序列总是沿x轴绘制。

xlabel{None, str}

用户提供的x轴标签。如果为None（默认），则使用其他值。

ylabel{None, str}

用户提供的y轴标签。如果为None（默认），则使用其他值。

line{None, “45”, “s”, “r”, q”}

用于与数据进行比较的参考线的选项：

• “45” - 45度线

• “s” - 标准化线，预期的顺序统计量通过给定样本的标准差进行缩放，并加上均值

• “r” - 拟合回归线

• “q” - 通过四分位数拟合一条线。

• 无 - 默认情况下不会向图表添加参考线。

axAxesSubplot, optional

如果指定，此子图将用于绘图，而不是创建新图形。

Returns:¶

Figure

如果 ax 为 None，则创建图形。否则为 ax 连接的图形。

另请参阅

scipy.stats.probplot

注释

1. 依赖于matplotlib。

2. 如果 data1 和 data2 不是 ProbPlot 实例，将使用默认参数创建实例。因此，如果需要在计算分位数时进行精细控制，建议使用 ProbPlot 实例。

示例

>>> import statsmodels.api as sm
>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from statsmodels.graphics.gofplots import qqplot_2samples
>>> x = np.random.normal(loc=8.5, scale=2.5, size=37)
>>> y = np.random.normal(loc=8.0, scale=3.0, size=37)
>>> pp_x = sm.ProbPlot(x)
>>> pp_y = sm.ProbPlot(y)
>>> qqplot_2samples(pp_x, pp_y)
>>> plt.show()

(源代码, png, 高分辨率png, pdf)

>>> fig = qqplot_2samples(pp_x, pp_y, xlabel=None, ylabel=None,
...                       line=None, ax=None)