Python——fitter包：拟合样本数据的分布

安装fitter

pip install fitter

使用样例

# 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

from fitter import Fitter # 拟合分布
f = Fitter(data, distributions=['gamma', 'rayleigh', 'uniform'])  # 创建Fitter类
f.fit()  # 调用fit函数拟合分布
print(f.summary()) # 输出拟合结果

fitter.Fitter()介绍

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

• 参数介绍：
  distributions： 待拟合的分布，若不指定则会遍历此中各分布（会耗时较长） 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，超过该值该分布会被遗弃，默认值为30，单位为秒。
  density：通常设为True
  bins：绘制直方图（histogram）时的分段数、默认不改。

• 调用方法（函数）:
  可以实现绘图、误差回收、最佳分布及其参数回收这几个功能，可用的方法如下：

f.df_errors # 拟合分布与样本数据之间的误差，包括均方根误差
f.fitted_param['gamma'] #返回拟合分布的参数
f.fitted_pdf['gamma'] # 用最佳参数生成的概率密度PDF
f.get_best(method='sumsquare_error') #返回最佳拟合分布及其参数
f.hist() #绘制组数=bins的标准化直方图
f.plot_pdf(names=None, Nbest=5, lw=2, method='sumsquare_error') # 绘制拟合分布的PDF（概率密度函数），names：需要绘制的分布名，lw: 线宽.
f.summary(Nbest=5, lw=2, plot=True, method='sumsquare_error') # 返回最好的Nbest个分布及误差，并绘制数据分布和Nbest分布
f.distributions 用于拟合的分布