分布函数求导就是概率密度，在任意的数据中由于数据分布不确定，所以严格来讲这些数据是没有分布函数和概率密度函数的，但是我们就是想得出那种结果，画出那种曲线，这里就需要借助scipy.stats.relfreq这个方法，它可以拟合这样的结果

得到CDF、PDF曲线对应的值

需要导包：

import numpy as npimport matplotlib.pyplot as pltfrom scipy import stats%matplotlib inline

首先构造数据：

data = np.random.normal(0,10,100) # 生成100个随机数，这里生成正态分布，任意分布都行，正态分布效果更明显一些res_freq = stats.relfreq(data, numbins=20) # numbins 是统计一次的间隔(步长)是多大

概率密度PDF

pdf_value = res_freq.frequency

累积分布CDF

cdf_value = np.cumsum(res_freq.frequency)

开始绘图

首先确定横坐标，这里横坐标需要使用线性计算计算得出，不能直接调属性：

x = res_freq.lowerlimit + np.linspace(0, res_freq.binsize * res_freq.frequency.size, res_freq.frequency.size)

PDF的图像

plt.bar(x, pdf_value, width=res_freq.binsize)

CDF的图像

plt.plot(x, cdf_value)

完整代码

import numpy as npimport matplotlib.pyplot as pltfrom scipy import stats%matplotlib inline# 构造数据data = np.random.normal(0,10,100)res_freq = stats.relfreq(data, numbins=100)# 计算结果pdf_value = res_freq.frequencycdf_value = np.cumsum(res_freq.frequency)# 绘图x = res_freq.lowerlimit + np.linspace(0, res_freq.binsize * res_freq.frequency.size, res_freq.frequency.size)plt.bar(x, pdf_value, width=res_freq.binsize)plt.plot(x, cdf_value)

参考资料

官方文档：/doc/scipy/reference/generated/scipy.stats.relfreq.html