从概率密度值和numpy直方图的bin中获取原始数据数组

Question

我的目的是根据np.histogram函数的概率密度和bin信息来计算原始数据数组。

例如：

import random
a = random.sample(xrange(100), 50)
n, bin = np.histogram(a,bins=100,range=(-10,10), normed=True)

我想从 n 和 bin 中得到一个。我使用了 np.digitize，但它似乎不是正确的解决方案。

实际上，我最初的目的是根据该直方图计算原始数据的偏度和峰度。所以，我试图将 n 和 bin 转换为原始数据。如果能直接从直方图中得到偏度和峰度就完美了。

感谢 user3823992，我尝试使用 scipy.stats.rv_discrete 函数从 bin 和概率密度函数中获取偏度和峰度。 我编辑的代码是：

a = random.sample(xrange(100), 50)
n, bin = np.histogram(a,bins=100,range=(-10,10), normed=True)
b2=bin[:-1]
print np.mean(a), np.var(a), sp.skew(a),sp.kurtosis(a)
dist = sp.rv_discrete(values=(b2,n))
print dist.stats(moments='mvsk')

但是，np.mean(a)、np.var(a)、sp.skew(a)、sp.kurtosis(a) 和 dist.stats(moments='mvsk') 的结果相差太大.根据 scipy.stats.rv_discrete 的文档，“values”中的两个元组之一应该是具有整数的点（在本例中为 b2），另一个（在本例中为 n）的总和应为 1。 问题是我的 b2 中的数字不是整数，并且“n”的总和也不是 1。 我将 bin 宽度乘以 n 并再次尝试。但是还是不行。

任何想法或帮助将不胜感激。 最好的问候，

胡尼尔

Answer 1

scipy.stats.rv_discrete 为您服务。它将帮助您从数据中创建一个随机分布类。结果将有一大堆方便的方法。 .stats 方法将为您提供前四个时刻。如果您不指定，它只会返回均值 (m) 和方差 (v)。

b2=bin[:-1]
print mean(a), var(a), scipy.stats.skew(a)
dist = scipy.stats.rv_discrete(values=(b2,n))
print dist.stats(moments='mvsk')

以上内容应与您的代码兼容。只需重新组织以利用输出。