【问题标题】:Getting draws from a fitted distribution从拟合分布中获取平局
【发布时间】:2017-10-26 20:08:30
【问题描述】:

我参考了Fitting empirical distribution to theoretical ones with Scipy (Python)? 并为我的样本数据生成了最佳拟合分布。我希望根据最佳拟合分布生成随机数。见下图。

但是https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.random.f.html#numpy.random.f中只有dfnum、dfden、size=None这3个参数,我应该在哪里插入loc和scale。顺便说一句,最佳拟合分布中的 dnd 和 dfd 是浮点数,而在 numpy.random 中,它需要整数。

如果我在代码df_members['bd'] = df_members.bd.apply(lambda x: np.rint((np.random.f(dfnum=1441, dfden=19))) if x==-999 else x )中只使用dnd和dfd,就会产生这样的值,是假的。

【问题讨论】:

  • F 分布只有两个参数。您应该显示适合的代码,以确切了解您适合什么。

标签: python numpy scipy


【解决方案1】:

您可以从scipy.stats 模块生成使用f 分布,并根据您已经使用f.rvs 方法找到的参数从其中询问随机值,该方法接受四个参数加上大小(您想要的抽奖次数)。

from scipy.stats import f
import matplotlib.pyplot as plt

values = f.rvs(1441.41, 19.1, -0.24, 26.5, 100000)

values 是一个 100000 长度的数组,从给定的分布中抽取。可以看到如下

plt.hist(values, bins=25)
plt.show()

【讨论】:

  • 你介意告诉我可以从scipy.stats生成随机数的代码吗?
  • 我正在尝试将这些随机值分配到数据框中。 df_members['bd'] = df_members.bd.apply(lambda x: int(st.johnsonsu(a=-3.75,b=1.78, loc=11.36, scale=3.79)) if x==-999 else x ),我正在尝试将其四舍五入,知道吗?
  • 那是另一个问题,最好开一个新的,不要混合两个不同的问题。
  • 但是你应该做的是(至少我会尝试)是在你的bd 列中获取 -999 个案例的长度和位置,然后创建一个随机值数组使用astype 方法输入,然后遍历位置(索引)并设置新值。
  • @MervynLee 基本上你要额外询问的步骤已经在你之前的一个问题中得到了回答https://stackoverflow.com/questions/46938085/generate-different-random-numbers-to-multiple-列中的行比我能做的更好
猜你喜欢
  • 1970-01-01
  • 2013-07-29
  • 1970-01-01
  • 2012-03-24
  • 1970-01-01
  • 2018-03-11
  • 1970-01-01
  • 2018-07-14
  • 2013-07-26
相关资源
最近更新 更多