python - matplotlib中累积分布函数的对数图

我有一个包含记录事件的文件。每个条目都有一个时间和延迟。我对绘制延迟的累积分布函数很感兴趣。我对尾延迟最感兴趣，所以我希望图有一个对数y轴。我对以下百分比的延迟感兴趣：90、99、99.9、99.99和99.99。以下是迄今为止生成常规CDF图的代码：

# retrieve event times and latencies from the file
times, latencies = read_in_data_from_file('myfile.csv')
# compute the CDF
cdfx = numpy.sort(latencies)
cdfy = numpy.linspace(1 / len(latencies), 1.0, len(latencies))
# plot the CDF
plt.plot(cdfx, cdfy)
plt.show()

我知道我想让情节看起来像什么，但我一直在努力想得到它。我希望它看起来像这样（我没有生成这个图）：
使x轴成为对数很简单。Y轴就是那个给我带来问题的轴。使用set_yscale('log')不起作用，因为它希望使用10的幂。我真的希望Y轴和这个图有相同的滴答标签。
我怎样才能把我的数据画成这样的对数图呢？
编辑：
如果我将yscale设置为“log”，将ylim设置为[0.1，1]，我得到以下绘图：
问题是，在0到1范围内的数据集上，典型的对数刻度图将集中在接近零的值上。相反，我希望关注接近1的值。

最佳答案

实际上，您需要将以下转换应用于您的Y值：-log10(1-y)。这是唯一的限制，所以您应该能够在转换的图上有负值。
以下是一个修改过的y < 1文档，演示了如何将自定义转换合并到“scales”中：

import numpy as np
from numpy import ma
from matplotlib import scale as mscale
from matplotlib import transforms as mtransforms
from matplotlib.ticker import FixedFormatter, FixedLocator


class CloseToOne(mscale.ScaleBase):
    name = 'close_to_one'

    def __init__(self, axis, **kwargs):
        mscale.ScaleBase.__init__(self)
        self.nines = kwargs.get('nines', 5)

    def get_transform(self):
        return self.Transform(self.nines)

    def set_default_locators_and_formatters(self, axis):
        axis.set_major_locator(FixedLocator(
                np.array([1-10**(-k) for k in range(1+self.nines)])))
        axis.set_major_formatter(FixedFormatter(
                [str(1-10**(-k)) for k in range(1+self.nines)]))


    def limit_range_for_scale(self, vmin, vmax, minpos):
        return vmin, min(1 - 10**(-self.nines), vmax)

    class Transform(mtransforms.Transform):
        input_dims = 1
        output_dims = 1
        is_separable = True

        def __init__(self, nines):
            mtransforms.Transform.__init__(self)
            self.nines = nines

        def transform_non_affine(self, a):
            masked = ma.masked_where(a > 1-10**(-1-self.nines), a)
            if masked.mask.any():
                return -ma.log10(1-a)
            else:
                return -np.log10(1-a)

        def inverted(self):
            return CloseToOne.InvertedTransform(self.nines)

    class InvertedTransform(mtransforms.Transform):
        input_dims = 1
        output_dims = 1
        is_separable = True

        def __init__(self, nines):
            mtransforms.Transform.__init__(self)
            self.nines = nines

        def transform_non_affine(self, a):
            return 1. - 10**(-a)

        def inverted(self):
            return CloseToOne.Transform(self.nines)

mscale.register_scale(CloseToOne)

if __name__ == '__main__':
    import pylab
    pylab.figure(figsize=(20, 9))
    t = np.arange(-0.5, 1, 0.00001)
    pylab.subplot(121)
    pylab.plot(t)
    pylab.subplot(122)
    pylab.plot(t)
    pylab.yscale('close_to_one')

    pylab.grid(True)
    pylab.show()

example
请注意，您可以通过关键字参数控制9的数目：

pylab.figure()
pylab.plot(t)
pylab.yscale('close_to_one', nines=3)
pylab.grid(True)