如何通过histogram2d计算二维经验CDF的矩阵表示

方案正确性判断 #

• 方案1（分轴逐次np.cumsum）：方向正确，但需注意归一化与操作细节
• 方案2（展平后cumsum再重塑）：完全错误

详细解释 #

二维经验CDF的核心定义是：对于任意点$(x,y)$，$\text{CDF}(x,y)$表示样本中满足$X \leq x$且$Y \leq y$的点所占的比例。

• 方案2的问题：展平矩阵后做一维累积，会破坏二维区域的逻辑——它计算的是所有bin按一维顺序的累积和，而非x≤a且y≤b的矩形区域内的概率和，完全不符合二维CDF的定义。
• 方案1的正确姿势：需先将PDF转换为bin的实际概率，再进行双重累积求和：
  1. 首先，np.histogram2d(density=True)返回的是概率密度，每个bin的实际概率等于密度乘以bin的面积（x轴bin宽度 × y轴bin宽度）。
  2. 对转换后的bin概率矩阵，先沿x轴（或y轴）做累积求和，再沿另一轴做累积求和，两次累积的顺序不影响最终结果（加法交换律）。

代码实现示例 #

import numpy as np

# 假设已得到hist_values, x_edges, y_edges
num_bins_x = len(x_edges) - 1
num_bins_y = len(y_edges) - 1

# 计算每个bin的面积
x_bin_width = x_edges[1] - x_edges[0]
y_bin_width = y_edges[1] - y_edges[0]
bin_area = x_bin_width * y_bin_width

# 将PDF密度转换为bin的实际概率
bin_probs = hist_values * bin_area

# 计算二维CDF：双重累积求和
cdf_matrix = np.cumsum(np.cumsum(bin_probs, axis=0), axis=1)

# 验证：最后一个元素应接近1（浮点误差允许小偏差）
print(cdf_matrix[-1, -1])

替代方案（基于排序样本直接计算） #

因为你的样本已经排序，也可以跳过直方图步骤，直接统计每个bin对应的样本占比，避免binning带来的误差：

total_samples = len(sorted_sample1)
cdf_matrix = np.zeros((num_bins_x, num_bins_y))

for i in range(num_bins_x):
    for j in range(num_bins_y):
        # 统计满足x≤当前x_bin右边界且y≤当前y_bin右边界的样本数
        count = np.sum((sorted_sample1 <= x_edges[i+1]) & (sorted_sample2 <= y_edges[j+1]))
        cdf_matrix[i, j] = count / total_samples

内容的提问来源于stack exchange，提问作者Alexandre Bloch