使用statsmodels计算经验分布函数时出现报错的问题排查

错误原因 #

statsmodels的ECDF类要求输入的样本数据是一维数组/列表，但你定义的price_values是二维列表（每个元素都是单独的子列表），传入ECDF后会被当作二维数组处理，内部计算时因形状不匹配抛出x and y do not have the same shape错误。另外后续np.linspace(min(sample), max(sample))也会因为二维数组的min/max返回单元素数组，导致生成的x也是二维，后续绘图也会出现问题。

解决办法 #

把二维的样本数据转换成一维即可，有两种简单实现方式：

方式1：用numpy的flatten()方法转一维 #

修改样本定义部分，将二维列表转成numpy数组后再扁平化：

sample = np.array(price_values).flatten()

方式2：用列表推导式拆成一维列表 #

直接处理原始的二维列表：

sample = [item for sublist in price_values for item in sublist]

修改后的完整代码 #

import numpy as np
import statsmodels.api as sm
import matplotlib.pyplot as plt

price_values = [[4.2],
    [4.1],
    [4],
    [3.8],
    [3.9],
    [4.2],
    [4.5],
    [4.8],
    [5.2],
    [5.2],
    [5.2],
    [5.6],
    [5.2],
    [5.1],
    [5.3],
    [6],
    [6.2],
    [6.3],
    [6.2],
    [6],
    [5.5] ,
    [5.2],
    [4.8],
    [4.6]]

# 方式1：numpy扁平化（二选一即可）
sample = np.array(price_values).flatten()
# 方式2：列表推导式
# sample = [item for sublist in price_values for item in sublist]

ecdf = sm.distributions.ECDF(sample)
x = np.linspace(min(sample), max(sample))
y = ecdf(x)
plt.step(x, y)
plt.show()

内容的提问来源于stack exchange，提问作者PeterBe