如何在 scipy.stats 中获取分发模式

Question

scipy.stats 库具有查找拟合分布的均值和中位数但不查找众数的函数。

如果我有拟合数据后的分布参数，如何找到拟合分布的mode？

Answer 1

如果我没有理解错，您希望找到拟合分布的模式，而不是给定数据的模式。基本上，我们可以通过以下 3 个步骤来完成。

第 1 步：从分布生成数据集

from scipy import stats
from scipy.optimize import minimize
# generate a norm data with 0 mean and 1 variance
data = stats.norm.rvs(loc= 0,scale = 1,size = 100)
data[0:5]

输出：

数组([1.76405235, 0.40015721, 0.97873798, 2.2408932, 1.86755799])

第二步：拟合参数

# fit the parameters of norm distribution
params = stats.norm.fit(data)
params

输出：

(0.059808015534485, 1.0078822447165796)

注意stats.norm有两个参数，即loc和scale。对于scipy.stats中的不同dist，参数不同。我认为将参数存储在一个元组中然后在下一步解包它很方便。

第三步：获取拟合分布的众数（密度函数的最大值）

# continuous case
def your_density(x):
    return -stats.norm.pdf(x,*paras)
minimize(your_density,0).x

输出：

0.05980794

请注意，norm 分布的 mode 等于 mean。在这个例子中这是一个巧合。

还有一件事是scipy 对待连续分布和离散分布不同（它们有不同的父类），您可以在离散分布上使用以下代码来做同样的事情。

## discrete dist, example for poisson
x = np.arange(0,100) # the range of x should be specificied
x[stats.poisson.pmf(x,mu = 2).argmax()] # find the x value to maximize pmf

输出：

1

您可以尝试使用自己的数据和分布！