Python分布拟合中直方图叠加PDF线不完整的解决咨询

实际开展基于Python的分布拟合工作时，常出现叠加在直方图上的PDF曲线断档、覆盖范围不全的问题，以下是对应脚本的典型错误点与可直接落地的修复方案：

典型错误溯源 #

• x轴取值数组错位：原脚本用np.arange(len(y))生成的数组存放的是样本索引值，并非匹配直方图数值轴的实际数据取值范围，绘制出的PDF曲线x坐标和直方图完全不在同一坐标系下
• 量纲不匹配：绘制直方图时未启用density=True参数，直方图返回的是原始频数计数，和scipy计算的概率密度分量纲不一致，即便x轴对齐也会出现量级偏差
• PDF缩放逻辑错误：原脚本用索引值x计算PDF的积分面积，推导出来的缩放比例完全偏离真实值，导致曲线高度、位置错位
• 范围过度裁剪：手动将x轴上限设为y的90分位值，直接截断了分布两端的曲线部分
• 参数传递错位：硬编码拆分拟合参数的结构，对不同参数个数的分布（如正态分布无额外形状参数、beta分布有2个形状参数）会出现参数取值错位，导致PDF计算结果偏差

修复操作步骤 #

• 替换错误的x轴生成逻辑：基于实际数据的取值范围生成连续细网格数组，作为PDF计算的横坐标
• 直方图绘制时显式传入density=True参数，让直方图纵轴和PDF分量纲天然对齐，省去手动缩放的积分计算环节，减少误差
• 传参时不再硬拆拟合结果，直接将dist.fit()返回的所有参数解包传入PDF计算函数，适配不同分布的参数结构
• 取消过度的x轴范围裁剪，直接用数据的最小、最大值作为绘图的x轴边界，保证曲线能覆盖全数据区间
• 分箱边界直接基于数据实际范围生成，不用百分位插值的方式生成分箱，避免分箱范围和数据错配

修复后核心绘图代码 #

# 基于实际数据范围生成分箱
number_of_bins = 30
bin_cutoffs = np.linspace(y.min(), y.max(), number_of_bins)

# 绘制直方图，启用密度归一化
h = plt.hist(y, bins=bin_cutoffs, color='0.75', density=True)

# 读取拟合效果排名靠前的分布
number_distributions_to_plot = 5
dist_names = results['Distribution'].iloc[0:number_distributions_to_plot]

# 生成覆盖全数据范围的连续横坐标
x_plot = np.linspace(y.min(), y.max(), 1000)

for dist_name in dist_names:
    dist = getattr(scipy.stats, dist_name)
    # 基于原始数据拟合参数
    param = dist.fit(y)
    # 计算全范围的PDF值
    pdf_fitted = dist.pdf(x_plot, *param)
    # 直接绘制匹配量纲的曲线
    plt.plot(x_plot, pdf_fitted, label=dist_name, linewidth=2)

# 设置匹配全数据范围的坐标轴
plt.xlim(y.min(), y.max())
plt.legend()
plt.show()

内容的提问来源于stack exchange，提问作者Case Msee