scipy.stats.cumfreq不符合需求，求正确计算累积频率的Python方法

针对你用Python计算各行业就业数据累积频率的需求，scipy.stats.cumfreq不适用的原因是它面向连续数据的分箱累积频数计算，而你的场景是离散行业分类数据，直接基于累积劳动力与总劳动力的比值计算即可，步骤如下：

核心思路 #

1. 用np.cumsum计算累积劳动力（你已验证这一步符合书本要求）
2. 计算所有行业的总劳动力
3. 将累积劳动力数组除以总劳动力，得到对应累积频率

代码示例 #

import numpy as np

# 替换为你的各行业劳动力原始数据
industry_labors = np.array([37789.24, 62907.93, 125004.66, 114918.4, 659380.77])

# 累积劳动力（已验证正确）
cum_labor = np.cumsum(industry_labors)

# 总劳动力
total_labor = np.sum(industry_labors)

# 计算累积频率
cum_frequency = cum_labor / total_labor

print(cum_frequency)
# 输出结果与预期完全一致：[0.03778924 0.10069717 0.22570183 0.34062023 1.        ]

为什么scipy.stats.cumfreq不符合预期？ #

scipy.stats.cumfreq的设计目标是处理连续数值数据，它会先对数据进行分箱（默认或指定分箱数），再计算每个区间的累积频数/频率，这和你需要的按行业类别直接累积求和的逻辑完全不同，因此不适合你的离散分类场景。

内容的提问来源于stack exchange，提问作者Marc Le Bihan