如何用Python/Matplotlib绘制横轴累计纵轴非累计的2D直方图

可以直接通过Python+Matplotlib实现，核心思路是先对横轴变量做经验累积分布转换，再调用原生2D直方图接口绘制即可。

完整可运行代码 #

import numpy as np
import matplotlib.pyplot as plt

# 1. 生成配对随机变量样本
x = np.random.normal(size=1000)
y = np.random.normal(size=1000)

# 2. 计算x对应的经验累积分布值作为新横轴（无需额外依赖）
x_sorted = np.sort(x)
x_cdf = np.searchsorted(x_sorted, x) / len(x)

# 可选：如果已经安装scipy，也可以用更标准化的ECDF接口计算
# from scipy.stats import ecdf
# x_cdf = ecdf(x).cdf.evaluate(x)

# 3. 绘制目标2D直方图
plt.figure(figsize=(8, 6))
# 横轴为x的累计分布，纵轴为原始y的非累计分布，bins参数可调整分箱精度
plt.hist2d(x_cdf, y, bins=30, cmap='Blues')

# 补充图表标注
plt.xlabel('X的经验累积分布')
plt.ylabel('Y的原始取值')
plt.colorbar(label='样本计数')
plt.show()

实现逻辑说明 #

• 首先通过排序+位置映射的方式，把原始x的每个取值转换成它在样本中的累计占比，取值范围固定为0~1，完全符合累计分布的横轴要求
• 纵轴保持原始y的取值不变，hist2d默认就是按y的非累计频次统计计数，刚好匹配需求
• 如果需要调整分箱精度、配色等样式，直接修改hist2d的bins、cmap等参数即可，和普通2D直方图的参数完全通用

内容的提问来源于stack exchange，提问作者Galen