【python】——数据分布拟合工具包fitter

最新推荐文章于 2025-03-28 22:15:00 发布

小园_2021

最新推荐文章于 2025-03-28 22:15:00 发布

阅读量3.1k

点赞数 1

分类专栏： python 文章标签： python 开发语言后端

本文链接：https://blog.csdn.net/weixin_44566230/article/details/121256679

版权

python 专栏收录该内容

8 篇文章

订阅专栏

本文介绍了如何使用Python库Fitter进行数据拟合和分布分析。首先，通过`pip install fitter`安装Fitter。接着，利用Scipy生成服从Gamma分布的样本数据。然后，创建Fitter实例并调用`fit()`函数进行拟合，最后通过`summary()`展示拟合结果。参数包括可自定义的分布、数据截断范围、超时时间和直方图分段数，帮助用户更精确地分析数据分布。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.安装

pip(3) install fitter

2.例子

# 数据生成
from scipy import stats
data = stats.gamma.rvs(2, loc=1.5, scale=2, size=10000) # 通过scipy生成服从gamma分布的10000个样本
# 拟合分布
from fitter import Fitter
f = Fitter(data)  # 创建Fitter类
f.fit()  # 调用fit函数拟合分布
f.summary()  # 输出拟合结果

3.参数说明

classfitter.fitter.Fitter(data, xmin=None, xmax=None, bins=100, distributions=None, timeout=30, density=True)

distributions：待拟合的分布，若不指定则会遍历上面提到的80个分布（会耗时较长）。eg. distributions = [‘gamma’, ‘erlang’]；
xmin, xmax：截断样本数据的范围，小于xmin或大于xmax的数据会被忽略；
timeout：单个分布拟合的最大时长，超过该值改分布会被遗弃，默认值为30，单位为秒。一般使用时我会将其调大为100秒，避免一些合适的分布被略去。
density通常设为True，bins为绘制直方图（histogram）时的分段数、默认不改，当有outlier时可适当扩大。

摘自知乎：https://zhuanlan.zhihu.com/p/420047068