绘制用户出行次数ECDF图表遇异常，求正确实现方案

问题分析 #

你遇到两个问题：

1. 图表显示1次出行的用户占比约70%，但你认为应为50%
2. ECDF曲线未从0开始

先明确数据统计结果：你的数据集里共有3个唯一user_id（10、84、179）：

• user_id=10的trip_id有2个唯一值（101、102），对应2次出行
• user_id=84和user_id=179各有1个唯一trip_id，对应1次出行

因此1次出行的用户占比为2/3≈66.7%，图表显示的约70%是正确的，你的50%预期是对数据的误解。如果确实需要50%的占比，需检查user_id或trip_id的定义是否符合你的业务逻辑。

解决曲线未从0开始的问题 #

使用seaborn.ecdfplot时，默认不会包含x轴起始点（0），只需添加include_lowest=True参数，即可让曲线从(0,0)开始绘制。

修正后的完整代码 #

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

sns.set(style="whitegrid")

# 数据集
df = pd.DataFrame(
    {'id': [54, 54, 54, 54, 54, 16, 16, 16, 50, 50, 28, 28, 28, 19, 19, 32, 32, 32, 81, 81, 81, 81, 81],
     'user_id': [10, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10, 84, 84, 84, 84, 84, 179, 179, 179, 179, 179],
     'trip_id': [101, 101, 101, 101, 101, 101, 101, 101, 102, 102, 102, 102, 102, 841, 841, 841, 841, 841, 1796, 1796,
                 1796, 1796, 1796],
     'travel_mode': ['train', 'train', 'train', 'train', 'train', 'walk', 'walk', 'walk', 'train', 'train', 'train',
                             'train', 'train', 'taxi', 'taxi', 'bus', 'bus', 'bus', 'train', 'train', 'train', 'train', 'train']}
)

# 计算每个用户的唯一出行次数
trips_per_user = df.groupby('user_id')['trip_id'].nunique()
plot_data = trips_per_user.reset_index(name='num_trips')

# 绘制修正后的ECDF
plt.figure(figsize=(5, 4))
# 添加include_lowest=True参数让曲线从0开始
sns.ecdfplot(data=plot_data, x='num_trips', stat='proportion', complementary=False, include_lowest=True)
plt.xlabel('Number of Trips')
plt.ylabel('Cumulative Proportion')
plt.show()

额外说明 #

如果你的业务逻辑中user_id=10的出行次数应该被统计为1次（比如认为同一用户的不同出行方式属于同一次出行），则需要调整统计逻辑，例如按user_id和travel_mode分组，或者重新定义trip_id的唯一性规则。

内容的提问来源于stack exchange，提问作者Amina Umar