Python & Matplotlib: Как построить график гистограмм бутстрапа?

Question

Я хочу, например, дисперсию набора данных, путем бутстрапа (resample) данных.

from numpy.random import randn 

fig,ax = plt.subplots() 

bins = arange(-5,6,0.5) 
df = pd.DataFrame(randn(3000)) 
df.hist(ax=ax, bins=bins, alpha = 0.7, normed=True) 

count_collection = [] 
for i in xrange(1,100): 
    temp_df = df.sample(frac=0.5, replace=True) 
    temp_df.hist(ax=ax, bins=bins, alpha = 0.25, normed=True) 

    count, division = np.histogram(temp_df, bins=bins) 
    count_collection.append(count) 

Однако такой сюжет трудно увидеть предел. Можно ли построить верхний/нижний предел гистограммы, поэтому можно увидеть более четкое, может быть, что-то вроде Boxplot для каждого бина?

http://matplotlib.org/_images/boxplot_demo_06.png

или только кривые с верхним/нижним пределом, чтобы указать диапазон?

Моя главная трудность извлечения/мин значение максимального для каждого бина (The count_collection)

UPDATE:

Что бы быть хорошим способом, чтобы построить диапазон?

count_collection = np.array(count_collection) 
mx = np.max(count_collection,0) 
mn = np.min(count_collection,0) 

ax.plot(division[1:]-0.25, mx, '_', mew=1) 
ax.plot(division[1:]-0.25, mn, '_', mew=1) 

Я считаю, что это до сих пор трудно смотреть, любое предложение?

Answer 1

Чтобы извлечь максимум и минимум, вы можете использовать следующее:

count_collection = np.array(count_collection) 
mx = np.max(count_collection,0) 
mn = np.min(count_collection,0) 

Первая строка просто переходит из списка 1d массивов в 2d массив, так что максимум и минимум может работать.

редактировать:

Поскольку оригинальный сюжет нормализовалось, это трудно понять макс и мин половины размера выборки. Но вы можете сделать что-то вроде этого: импорт NumPy как нп из numpy.random импорта randn импорт matplotlib.pyplot в PLT импорта панд как э.р.

fig,ax = plt.subplots() 

bins = np.arange(-5,6,0.5) 
df = pd.DataFrame(randn(3000)) 
#df.hist(ax=ax, bins=bins, alpha = 0.7, normed=True) 
histval, _ = np.histogram(df, bins=bins) 

count_collection = [] 
for i in np.arange(1,100): 
    temp_df = df.sample(frac=0.5, replace=True) 
# temp_df.hist(ax=ax, bins=bins, alpha = 0.25, normed=True) 

    count, division = np.histogram(temp_df, bins=bins) 
    count_collection.append(count) 

count_collection = np.array(count_collection) 
mx = np.max(count_collection,0) 
mn = np.min(count_collection,0) 

plt.bar(bins[:-1], histval, 0.5) 
plt.plot(bins[:-1] + 0.25, mx*2) 
plt.plot(bins[:-1] + 0.25, mn*2) 

Коэффициент 2x связано с меньшим размером выборки 2x при расчете max и min.