基于fitter库判断已知数据服从分布——python

使用fitter库,安装:

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple fitter

Github官网:https://github.com/cokelaer/fitter

使用说明:

from fitter import Fitter
import numpy as np

arr = np.arange(1, 200)
np.random.shuffle(arr) # arr为创建的随机数

fitter_dis = Fitter(arr)
fitter_dis.fit()
distribution_df = fitter_dis.summary() # 这里可以得到error最小的Dataframe型数据

 

Python中,可以使用fitter来进行分布拟合检验。首先,你需要安装fitter,可以使用pip install fitter命令进行安装。接下来,你可以使用scipy中的stats模块生成一段模拟数据,例如使用stats.norm.rvs函数生成一个服从正态分布数据样本。然后,你可以使用fitter中的Fitter类来拟合数据样本的分布,可以通过指定distributions参数来选择要尝试的分布类型。最后,可以使用Fitter类的summary方法来查看拟合结果的摘要信息。 例如,下面的代码演示了如何使用fitter进行分布拟合检验: ```python # 导入所需 from scipy import stats import numpy as np from fitter import Fitter # 生成模拟数据 data1 = list(stats.norm.rvs(loc=0, scale=2, size=70000)) data2 = list(stats.norm.rvs(loc=0, scale=20, size=30000)) data = np.array(data1 + data2) # 使用fitter拟合数据样本的分布 f = Fitter(data, distributions=\['norm', 't', 'laplace'\]) f.fit() f.summary() ``` 在上述代码中,我们生成了一个模拟数据样本,其中包含了两个不同的正态分布。然后,我们使用Fitter类来拟合数据样本的分布,指定了要尝试的分布类型为正态分布(norm)、t分布(t)和拉普拉斯分布(laplace)。最后,我们使用summary方法来查看拟合结果的摘要信息。 希望这个例子能够帮助你理解如何使用fitter进行分布拟合检验。 #### 引用[.reference_title] - *1* [Python拟合数据样本的分布](https://blog.csdn.net/sinat_23971513/article/details/111874082)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [概率统计Python计算:假设检验应用——分布拟合检验](https://blog.csdn.net/u012958850/article/details/118366266)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [利用python通过拟合优度检验判别数据是否为正态分布](https://blog.csdn.net/qq_45019507/article/details/105842372)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

呆萌的代Ma

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值