使用pandas绘制CSV文件各列CDF值的实现问题求助

你原有代码的冗余点在于手动实现了CDF计算逻辑，且分组拼接的处理容易出现坐标轴对齐异常，可直接用以下两种方案实现，效果更稳定：

方案1：使用seaborn内置函数（最简，无需手动计算CDF） #

seaborn自带的ecdfplot函数可以直接计算并绘制经验累积分布函数（和你需要的CDF效果完全一致），仅需几行代码即可完成：

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

# 读取CSV文件
df = pd.read_csv('pathfile.csv')
# 指定需要绘制的列，直接绘图
sns.ecdfplot(data=df[['1', '2', '3', '4']])
# 可选：自定义坐标轴标签
plt.xlabel('取值')
plt.ylabel('累积分布概率(CDF)')
plt.show()

方案2：手动计算CDF（适合需要保留CDF数据做后续分析的场景） #

如果需要获取CDF的具体数值用于后续处理，可以用以下精简的pandas向量化操作实现，避免循环拼接的冗余逻辑：

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

df = pd.read_csv('pathfile.csv')
plot_cols = ['1', '2', '3', '4']

# 宽表转长表，方便分组处理
melted_df = df[plot_cols].melt(var_name='字段名', value_name='X')
# 按字段分组排序后计算CDF
melted_df = melted_df.sort_values(['字段名', 'X'])
melted_df['CDF'] = melted_df.groupby('字段名').cumcount() / (melted_df.groupby('字段名')['X'].transform('count') - 1)

# 绘图
sns.lineplot(data=melted_df, x='X', y='CDF', hue='字段名')
plt.show()

内容的提问来源于stack exchange，提问作者user