如何用Python实现支持CLI参数输入的二项分布PDF与CDF绘图

核心实现思路 #

使用scipy.stats.binom生成二项分布的概率质量函数（PDF/PMF）和累积分布函数（CDF），通过argparse实现命令行参数输入，最后用matplotlib绘制双图对比展示。

完整代码 #

import argparse
import numpy as np
import scipy.stats as stats
import matplotlib.pyplot as plt

def main():
    # 解析命令行参数
    parser = argparse.ArgumentParser(description='绘制二项分布的PDF（概率质量函数）和CDF（累积分布函数）')
    parser.add_argument('-n', '--trials', type=int, required=True, 
                        help='试验总次数，必须为正整数')
    parser.add_argument('-p', '--probability', type=float, required=True, 
                        help='单次试验成功概率，取值范围0~1')
    parser.add_argument('-o', '--output', type=str, 
                        help='可选：图形保存路径（如./binom_plot.png），不指定则直接显示图形')
    
    args = parser.parse_args()

    # 参数合法性校验
    if args.trials <= 0:
        raise ValueError("试验次数必须是正整数")
    if not (0 <= args.probability <= 1):
        raise ValueError("成功概率必须在0到1之间")

    # 生成成功次数的取值范围（0到n）
    x = np.arange(0, args.trials + 1)
    # 计算PDF和CDF
    binom_pmf = stats.binom.pmf(x, n=args.trials, p=args.probability)
    binom_cdf = stats.binom.cdf(x, n=args.trials, p=args.probability)

    # 设置绘图布局
    fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))

    # 绘制PDF（离散分布用柱状图）
    ax1.bar(x, binom_pmf, color='#1f77b4', alpha=0.7)
    ax1.set_title(f'二项分布PDF (n={args.trials}, p={args.probability})')
    ax1.set_xlabel('成功次数')
    ax1.set_ylabel('概率')
    ax1.grid(axis='y', linestyle='--', alpha=0.7)

    # 绘制CDF（阶梯图）
    ax2.step(x, binom_cdf, color='#ff7f0e', where='post', linewidth=2)
    ax2.set_title(f'二项分布CDF (n={args.trials}, p={args.probability})')
    ax2.set_xlabel('成功次数')
    ax2.set_ylabel('累积概率')
    ax2.grid(axis='y', linestyle='--', alpha=0.7)

    # 调整子图间距
    plt.tight_layout()

    # 保存或显示图形
    if args.output:
        plt.savefig(args.output, dpi=300, bbox_inches='tight')
        print(f"图形已保存至：{args.output}")
    else:
        plt.show()

if __name__ == '__main__':
    main()

代码说明 #

• CLI参数解析：通过argparse强制要求用户输入-n（试验次数）和-p（成功概率），同时支持可选的-o参数保存图形。
• 参数校验：确保输入的试验次数为正整数、成功概率在0~1范围内，避免无效计算。
• 分布计算：利用scipy.stats.binom.pmf()和binom.cdf()直接生成对应分布值，无需手动实现公式。
• 绘图细节：PDF用柱状图展示离散概率，CDF用阶梯图体现累积特性，添加标题、坐标轴标签和网格提升可读性。

使用方法 #

1. 确保已安装依赖库：

pip install numpy scipy matplotlib

2. 运行脚本（示例）：

# 直接显示图形（试验次数20，成功概率0.3）
python binom_plot.py -n 20 -p 0.3

# 保存图形到指定路径
python binom_plot.py -n 10 -p 0.5 -o ./binom_distribution.png

内容的提问来源于stack exchange，提问作者Oladiano Meriko Onaiker