Seaborn Distplot: данные не соответствуют вероятностям

distplot в distplot дает приблизительную плотность вашего набора данных с использованием kde (оценка плотности ядра), которая предполагает небольшие "микроядра" вокруг точек данных и добавляет их для создания "макроядро" в целом. Поэтому ядро вокруг min и max безусловно, пересекает предел, потому что точки данных на ребре (min и max) являются центром "микро ядер". (Примечание: термин "микро/макро ядра" - это то, что я только что объяснил здесь.)

Предположим, что у нас есть данные от -10 до 10 как -10 ниже.

import numpy as np
import pandas as pd

df = pd.DataFrame().assign(a=np.random.randint(-10, 11, 100))
print(df.a.min(), df.a.max())

Out:
-10 10

Если мы рисуем distplot с настройками по умолчанию (где kde - True),

import seaborn as sns
sns.distplot(df.a)

Он показывает как histogram связанную между -10 и 10 и kde которая является аппроксимацией этой гистограммы, оба показаны (и, конечно, kde пересекает min и max пределы из-за вышеуказанной причины).

Теперь, если вы хотите получить кумулятивную плотность, то distplot вычисляет ее на основе kde как distplot ниже:

sns.distplot(df.a, kde_kws={'cumulative': True})

На этом этапе обратите внимание, что оба хвоста kde (синяя линия) в 1-м графике и cumulative kde (синяя линия) на втором графике соответствуют.

Вы можете задаться вопросом, соответствуют ли хвосты или нет, поскольку y-шкалы различаются между 1-м и 2-м графиками, поэтому, если мы увеличим ось y второго графика, это будет выглядеть ниже.

import matplotlib.pyplot as plt
sns.distplot(df.a, kde_kws={'cumulative': True})
plt.ylim([0, 0.07])

Теперь 1-й и 3-й графики выглядят одинаково, но только разность - это 1-й, kde а 3-й график - cumulative kde.

Короче говоря, то, что вы планировали, было "аппроксимированной совокупной плотностью" на основе kde. Вот почему это более широкое распределение (и кумулятивное распределение), чем ваши фактические данные (гистограмма).

Надеюсь это поможет.

---

EDIT: добавлен cumulative kde vs cumulative hist

sns.distplot(df.a, 
             hist_kws={'cumulative': True}, 
             kde_kws={'cumulative': True, 'linestyle':'-.'}, 
             bins=100)