如何基于Pandas Series按人口绘制污染物浓度CDF累积分布图？

没问题！要绘制基于人口的污染物浓度累积分布函数（CDF），核心是按污染物浓度排序后，计算人口的累积占比——毕竟你要的是「基于人口」的分布，不是普通的样本数量分布。下面是完整的实现步骤和代码，结合你已有的代码片段补全：

步骤1：数据预处理与排序 #

先完成数据加载、清洗，并按污染物浓度升序排序（CDF需要从低浓度到高浓度累积）：

import pandas as pd
import matplotlib.pyplot as plt

# 加载数据并清洗（补全你的代码片段）
df = pd.read_csv("./data/test.csv")
df = df[df.columns[1:]]  # 移除第一列无关索引
df = df.sort_values(by=['pm25'], ascending=True)  # 按污染物浓度升序排序，若你的列名是conc则替换为conc

步骤2：计算基于人口的累积比例 #

这里我们需要用人口数据来计算累积占比，这是「基于人口的CDF」和普通CDF的核心区别：

# 计算总人口
total_pop = df['pop'].sum()
# 计算累积人口数
df['cumulative_pop'] = df['pop'].cumsum()
# 计算累积人口占比（即CDF的y轴值）
df['cdf'] = df['cumulative_pop'] / total_pop

此时你需要的两个核心Series就是：df['pm25']（污染物浓度）和df['cdf']（基于人口的累积比例）。

步骤3：绘制CDF图 #

用matplotlib绘制直观的CDF曲线：

plt.figure(figsize=(10, 6))
# 绘制CDF曲线，可调整样式适配你的需求
plt.plot(df['pm25'], df['cdf'], marker='.', linestyle='-', color='#1f77b4', alpha=0.8)

# 添加图表标注
plt.xlabel('污染物浓度 (PM2.5)')
plt.ylabel('累积人口占比')
plt.title('基于人口的污染物浓度累积分布')
plt.grid(True, alpha=0.3)

plt.show()

额外小提示 #

• 如果你的污染物浓度列名是conc，记得把代码里的pm25全部替换为conc；
• 若要对比多组数据（比如不同区域的CDF），可以重复上述步骤，在同一张图上绘制多条曲线；
• 追求更美观的可视化效果时，可改用seaborn.lineplot替代原生matplotlib绘图。

内容的提问来源于stack exchange，提问作者Han Zhengzu