详解幂律分布，以及用于重尾分布的Python库powerlaw的使用

最新推荐文章于 2022-03-24 18:54:49 发布
最新推荐文章于 2022-03-24 18:54:49 发布
阅读量3.5k 收藏 17
点赞数 2
分类专栏： 统计学 机器学习 数据分析 文章标签： python 机器学习 可视化
原文链接：https://www.sciencedirect.com/science/article/pii/S2095927321004126?via%3Dihub
版权
统计学 同时被 3 个专栏收录
59 篇文章 82 订阅 ¥29.90 ¥99.00
订阅专栏 超级会员免费看
数据分析
48 篇文章 38 订阅 ¥29.90 ¥99.00
订阅专栏 超级会员免费看
机器学习
36 篇文章 69 订阅 ¥29.90 ¥99.00
订阅专栏 超级会员免费看

详解幂律分布，以及用于重尾分布的Python包powerlaw

总述

具有长尾特征的分布往往一目了然，但实际拟合过程却可能遇到各种各样的问题。本文将为读者介绍2014年由新加坡科技设计大学和麻省理工研究者联合发布的python库：powerlaw，专门适用于幂律等长尾特征分布的拟合，解决拟合烦恼。

期刊来源：PLOS ONE
论文标题：
powerlaw: A Python Package for Analysis of Heavy- Tailed Distributions
论文网址：
https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0085777

幂律分布简要回顾

幂律分布作为长尾分布的一种，满足图片可以用来印证生活中很多有趣的现象，比如最为大家熟知的“二八定律”“富者越富”等等。早在上世纪早期就先后有克莱伯定律、Zipf定律等幂律现象的发现，而千禧年之际BA无标度网络的正式提出更是掀起一波“幂律热潮”，大家越来越接受“幂律分布是复杂系统中的普适现象”这一观点。

在这里插入图片描述
图1. 人们常说“20%的人掌握着80%的财富”就是典型的幂律分布，其具有尖峰、长尾特征。

幂律分布的概率分布函数为:

了解本专栏 订阅专栏 解锁全文 超级会员免费看
sta@ma@brain
关注
  • 2
    点赞
  • 踩
  • 17
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
订阅专栏
MATLAB用拟合出的代码绘图-plfit:python（以及fortran和cython）中的幂律分布拟合
05-21
MATLAB用拟合出的代码绘图功率定律分配配件 这是幂律分布拟合器的python实现。 此处的代码最初托管于此，但已被移动并重新打包以使setup.py更加干净。 另请参见，具有其他铃声的相同算法的替代实现。 安装 我试图使setup.py文件正常工作，但是它包含一些hacks，因此，如果您遇到麻烦，请在以下位置报告： git clone git@github.com:keflavich/plfit.git cd plfit python setup.py install 如果python setup.py install无法正常工作，您可以尝试以下操作： 要安装cython函数，请运行： python setup.py build_ext --inplace 要安装fortran函数： cd plfit/plfit/ f2py -c fplfit.f -m fplfit --fcompiler=gfortran 描述 亚伦·克劳塞特（Aaron Clauset）等。 解决使功率定律适合其论文中和论文中的分布的问题。 我创建了他们代码的python实现，因为我没有matlab或R，并且
Python编程之PowerLaw
Jackyu的博客
04-17 4179
该脚本文件从网上当的，然后自行改变了一点，具体从哪当的已忘了，在此贴出来让有兴趣的朋友学习学习吧#!/usr/bin/env python # -*-coding:utf-8 -*- import matplotlib as mpl import matplotlib.pyplot as plt import numpy as np from sklearn import linear_mode...
绘制社交网络图的幂律分布python代码
05-10
这是一个用于进行大规模社交网络图绘制幂律分布曲线的python代码
Power-law Distributions(幂律分布)
laolu1573的专栏
03-03 1万+
f(x)=ax−kf(x)=ax^{-k}f(x)=ax−k An example power-law graph, being used to demonstrate ranking of popularity. To the right is the long tail, and to the left are the few that dominate (also known as the...
Python数据可视化:幂律分布实例详解
01-20
1、公式推导 对幂律分布公式： 对公式两边同时取以10为底的对数： 所以对于幂律公式，对X,Y取对数后，在坐标轴上为线性方程。 2、可视化 从图形上来说，幂律分布及其拟合效果： 对X轴与Y轴取以10为底的对数。效果上就是X轴上1与10，与10与100的距离是一样的。 对XY取双对数后，坐标轴上点可以很好用直线拟合。所以，判定数据是否符合幂律分布，只需要对XY取双对数，判断能否用一个直线很好拟合就行。常见的直线拟合效果评估标准有拟合误差平方和、R平方。 3、代码实现 #!/usr/bin/env python # -*-coding:utf-8 -*- import matplo
MATLAB用拟合出的代码绘图-power-law:用于拟合幂律分布的Matlab代码
05-21
用于拟合幂律分布的Matlab代码 randht.m随机数生成器。 此函数根据文章中讨论的五个分布之一（幂定律，指数，对数正态，拉伸指数和具有截止的幂定律）生成随机分布的连续值。 使用信息包含在文件中； 在Matlab提示符...
复杂网络幂律分布
05-01
5. **代码实现**：在编程中，我们可以使用Python的科学计算库如`networkx`和`scipy`来构建、分析和可视化幂律分布的复杂网络。例如，`networkx`可以用于生成网络，`scipy`的`powerlaw`模块可以帮助我们对网络的度...
poweRlaw：该程序包同时实现了离散和连续最大似然估计器，以将幂律分布拟合到数据。 此外，基于拟合优度的方法用于估计缩放区域的下限
02-05
标题中的“poweRlaw”是一个在R语言环境中使用的程序包，主要功能是进行幂律分布的拟合分析。幂律分布是一种常见的概率分布，它在自然界和社会科学中广泛出现，如地震强度、城市人口规模、网络节点度分布等。这个...
复杂网络幂律分布matlab仿真程序
03-08
5. **统计检验**：为了确认度分布的幂律性质，程序可能使用统计检验方法，如最大似然估计、Kolmogorov-Smirnov检验等，来确定数据与幂律分布的吻合程度。 6. **调整参数**：用户可能需要调整网络的规模（节点数量）...
powerlawlog_project:自动 :copyright:Matlab 应用程序，用于将对数正态分布和“幂律”分布拟合到经验数据，遵循基于拟合优度的 appr-matlab开发
05-31
已经开发了以下代码和过程，以提供一个简单且完整的工具，用于从xls表格数据开始，根据对数正态分布和幂律分布自动实现对象拟合频率数据的自动化。 该程序使用外部资源对幂律分布进行拟合代码，我们将给出参考。 ...
Power law and Power law distribution（幂律和幂律分布）
专注。
03-24 4470
原文：《Power-law distribution in empirical data》 1. Introduction 有些分布可以很好的描述，比如成年男性的身高，某物体的重量等，它们可以用典型值可平均值来进行描述。但并不是所有的分布都服从该模型。在这些分布中 power law 多年来因其数学性质(有时会导致令人惊讶的物理结果)以及在各种自然和人为现象中出现而受到特别关注。例如，城市人口、地震强度和停电的规模都被认为具有幂律分布。诸如此类的数量不能很好地用它们的典型值或平均值来描述。 从数学上讲
幂律分布现象-power-law
杞櫹椅桐的专栏
09-06 4537
自然界与社会生活中存在各种各样性质迥异的幂律分布现象。         1932年,哈佛大学的语言学专家Zipf在研究英文单词出现的频率时,发现如果把单词出现的频率按由大到小的顺序排列,则每个单词出现的频率与它的名次的常数次幂存在简单的反比关系，这种分布就称为Zipf定律,它表明在英语单词中,只有极少数的词被经常使用,而绝大多数词很少被使用.实际上,包括汉语在内的许多国家的语言都有这种特点。
[python数据分析] 简述幂率定律及绘制Power-law函数
热门推荐
杨秀璋的专栏
03-23 1万+
这篇文章主要是最近研究人类行为应用的内容，主要简单叙述下复杂网络的幂率分布以及绘制Power-law函数一些知识，同时是一篇在线笔记。希望对您有所帮助，如果文章中存在不足或错误的地方，还请海涵~ 1.幂率分布 2.Zipf定律 3.Scale free 4.Python绘制幂率分布 这篇文章基础知识转载了别人的内容，这里强烈推荐大家阅读原文。此篇文章主要是讲述代码部分，定律我也还在学习中，和大家共勉。
python 如何生成特定幂律分布的无标度网络_复杂网络基本概念(2)—无标度网络...
weixin_42398151的博客
01-24 3335
复杂网络基本概念(2)-无标度网络引言 上一期我们讲了复杂网络里面的小世界网络，今天给大家介绍一下无标度网络。先举个经典的无标度网络例子。19世纪末20世纪初著名的经济学家Pareto在研究人群的收入统计特征时发现，大约20%的人拥有80%的财富，而剩下80%的人只占据着大约20%的财富，因此提出了著名的80/20法则。此后，科学家们把“少数节点(hub)拥有大量连接，而大部分节点具...
python工资一般多少p-Python P值
q6q6q的专栏
10-28 422
p值是关于假设的强度。 我们基于一些统计模型建立假设，并使用p值比较模型的有效性。 获得p值的一种方法是使用T检验。这是对零假设的双侧检验，即独立观察值'a'的样本的期望值(平均值)等于给定的总体均值popmean。看看下面的一个例子。from scipy import stats rvs = stats.norm.rvs(loc = 5, scale = 10, size = (50,2)) ...
离散分布的分布函数_常见概率统计分布及Python实现
weixin_39526546的博客
11-20 1766
一、离散随机变量及连续随机变量随机变量1. 离散随机变量（Discrete random variable）：取值是可数个值（且只能为自然数0、1、2...）的随机变量2. 连续随机变量（Continuous random variable）：取值是一个区间中任一实数（即变量的取值可以是连续的）的随机变量相应概率计算公式PMF/PDF/CDF1. 离散随机变量：概率质量函数（Probabilit...
【Python】netwokx生成图源码
小白兔的窝
12-30 2681
【笔记】用__all__定义全局变量，即所有可以生成的图itertools.permutations(range(n), 2)：返回n个数中任意取2个元素做排列的元组的迭代器itertools.combinations(range(n), 2)：返回n个数中任意取2个元素做组合的元组的迭代器itertools.chain(arr1, arr2)：将两个数组arr1和arr2链接在一起，返回迭代器，
复杂网络度分布（幂律分布）图Python
Morty的博客
03-12 1万+
复杂网络度分布（幂律分布）图Python 1. 无向图 直接使用networkx所提供的相关函数。 代码 import matplotlib.pyplot as plt # 导入科学绘图包 import networkx as nx import numpy as np adj = np.loadtxt('adj.txt', dtype=np.int) # 邻接矩阵 G = nx.from_numpy_matrix(adj) # 网络图 print("某个节点的度:", G.degree(0)
幂律分布检验python代码
最新发布
05-02
幂律分布是一种经典的长尾分布，其在自然界、经济学、社会学等领域都有广泛应用。幂律分布的好处是其能够捕捉到少数大的值对整体的影响，所以在实际应用中十分重要。Python中有多种库可以用于幂律分布检验，包括Powerlaw、Scipy等等。 其中Powerlaw库提供了方便的幂律分布拟合和检验工具。使用Powerlaw库进行幂律分布检验的步骤如下： 1. 导入Powerlaw库和需要分析的数据。（以下例子用的数据是随机生成的） ```python import powerlaw import numpy as np data = np.random.power(3, 1000) ``` 2. 创建Powerlaw实例并拟合数据。 ```python pl = powerlaw.Fit(data) ``` 注意：如果出现ValueError: Not enough data, long enough sequences, or precision too low to fit power law，则说明数据不足以进行拟合，需要增加数据量或使用更精密的方法。 3. 输出拟合结果和R-squared值。 ```python print(pl.alpha) print(pl.xmin) print(pl.r_squared) ``` 其中alpha是拟合出来的幂律指数，xmin是幂律分布的起始点，r_squared是拟合的准确度。需要特别注意的是，拟合的结果应该与实际数据具体情况结合来综合判断。 4. 可以使用pl.plot_pdf()和pl.plot_ccdf()命令绘制数据的概率密度函数和累积分布函数图表。 ```python pl.plot_pdf() pl.plot_ccdf() ``` 5. 可以使用pl.power_law.plot_pdf()和pl.exponential.plot_pdf()命令分别绘制幂律分布和指数分布拟合的概率密度函数图表。 ```python pl.power_law.plot_pdf() pl.exponential.plot_pdf() ``` 通过Powerlaw库的使用，可以较为方便地进行幂律分布的检验和判断，有助于对研究领域中的数据分布有更为深入的理解。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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