python統(tǒng)計(jì)函數(shù)庫scipy.stats的用法解析
背景
總結(jié)統(tǒng)計(jì)工作中幾個(gè)常用用法在python統(tǒng)計(jì)函數(shù)庫scipy.stats的使用范例。
正態(tài)分布
以正態(tài)分布的常見需求為例了解scipy.stats的基本使用方法。
1.生成服從指定分布的隨機(jī)數(shù)
norm.rvs通過loc和scale參數(shù)可以指定隨機(jī)變量的偏移和縮放參數(shù),這里對應(yīng)的是正態(tài)分布的期望和標(biāo)準(zhǔn)差。size得到隨機(jī)數(shù)數(shù)組的形狀參數(shù)。(也可以使用np.random.normal(loc=0.0, scale=1.0, size=None))
In [4]: import numpy as np
In [5]: import scipy.stats as st
In [6]: st.norm.rvs(loc = 0,scale = 0.1,size =10)
Out[6]:
array([ 0.12259875, 0.07001414, 0.11296181, -0.00630321, -0.04377487,
0.00474487, -0.00728678, 0.03860256, 0.06701367, 0.03797084])
In [7]:
In [9]: st.norm.rvs(loc = 3,scale = 10,size=(2,2))
Out[9]:
array([[-13.26078265, 0.88411923],
[ 5.14734849, 17.94093177]])
In [10]:
2.求概率密度函數(shù)指定點(diǎn)的函數(shù)值
stats.norm.pdf正態(tài)分布概率密度函數(shù)。
In [33]: st.norm.pdf(0,loc = 0,scale = 1)
Out[33]: 0.3989422804014327
In [34]: st.norm.pdf(np.arange(3),loc = 0,scale = 1)
Out[34]: array([ 0.39894228, 0.24197072, 0.05399097])
In [35]:
3.求累計(jì)分布函數(shù)指定點(diǎn)的函數(shù)值
stats.norm.cdf正態(tài)分布累計(jì)概率密度函數(shù)。
In [52]: st.norm.cdf(0,loc=3,scale=1)
Out[52]: 0.0013498980316300933
In [53]: st.norm.cdf(0,0,1)
Out[53]: 0.5
In [54]:
4.累計(jì)分布函數(shù)的逆函數(shù)
stats.norm.ppf正態(tài)分布的累計(jì)分布函數(shù)的逆函數(shù),即下分位點(diǎn)。
In [59]: z05 = st.norm.ppf(0.05)
In [60]:
In [60]: z05
Out[60]: -1.6448536269514729
In [61]: st.norm.cdf(z05)
Out[61]: 0.049999999999999975
In [62]:
通用函數(shù)
stats連續(xù)型隨機(jī)變量的公共方法:
名稱 | 備注 |
---|---|
rvs | 產(chǎn)生服從指定分布的隨機(jī)數(shù) |
概率密度函數(shù) | |
cdf | 累計(jì)分布函數(shù) |
sf | 殘存函數(shù)(1-CDF) |
ppf | 分位點(diǎn)函數(shù)(CDF的逆) |
isf | 逆殘存函數(shù)(sf的逆) |
fit | 對一組隨機(jī)取樣進(jìn)行擬合,最大似然估計(jì)方法找出最適合取樣數(shù)據(jù)的概率密度函數(shù)系數(shù)。 |
*離散分布的簡單方法大多數(shù)與連續(xù)分布很類似,但是pdf被更換為密度函數(shù)pmf。
常見分布
可能用到的分布對照表
名稱 | 含義 |
---|---|
beta | beta分布 |
f | F分布 |
gamma | gam分布 |
poisson | 泊松分布 |
hypergeom | 超幾何分布 |
lognorm | 對數(shù)正態(tài)分布 |
binom | 二項(xiàng)分布 |
uniform | 均勻分布 |
chi2 | 卡方分布 |
cauchy | 柯西分布 |
laplace | 拉普拉斯分布 |
rayleigh | 瑞利分布 |
t | 學(xué)生T分布 |
norm | 正態(tài)分布 |
expon | 指數(shù)分布 |
以上這篇python統(tǒng)計(jì)函數(shù)庫scipy.stats的用法解析就是小編分享給大家的全部內(nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
- Python如何統(tǒng)計(jì)函數(shù)調(diào)用的耗時(shí)
- python統(tǒng)計(jì)函數(shù)被調(diào)用次數(shù)的實(shí)現(xiàn)
- 利用Python實(shí)現(xiàn)簡單的Excel統(tǒng)計(jì)函數(shù)
- python?DataFrame數(shù)據(jù)分組統(tǒng)計(jì)groupby()函數(shù)的使用
- Python實(shí)現(xiàn)Mysql數(shù)據(jù)統(tǒng)計(jì)及numpy統(tǒng)計(jì)函數(shù)
- Python使用統(tǒng)計(jì)函數(shù)繪制簡單圖形實(shí)例代碼
- Python中統(tǒng)計(jì)函數(shù)運(yùn)行耗時(shí)的方法
- python常見統(tǒng)計(jì)分析處理函數(shù)解讀
相關(guān)文章
用Python從零實(shí)現(xiàn)貝葉斯分類器的機(jī)器學(xué)習(xí)的教程
這篇文章主要介紹了用Python從零實(shí)現(xiàn)貝葉斯分類器的教程,樸素貝葉斯算法屬于機(jī)器學(xué)習(xí)中的基礎(chǔ)內(nèi)容、實(shí)用而高效,本文詳細(xì)展示了用Python語言實(shí)現(xiàn)的步驟,需要的朋友可以參考下2015-03-03使用python實(shí)現(xiàn)對元素的長截圖功能
這篇文章主要介紹了用python實(shí)現(xiàn)對元素的長截圖功能,非常不錯(cuò),具有一定的參考借鑒價(jià)值,需要的朋友參考下吧2019-11-11python 實(shí)現(xiàn)矩陣上下/左右翻轉(zhuǎn),轉(zhuǎn)置的示例
今天小編就為大家分享一篇python 實(shí)現(xiàn)矩陣上下/左右翻轉(zhuǎn),轉(zhuǎn)置的示例,具有很好的參考價(jià)值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-01-01Python 中導(dǎo)入csv數(shù)據(jù)的三種方法
這篇文章主要介紹了Python 中導(dǎo)入csv數(shù)據(jù)的三種方法,內(nèi)容比較簡單,非常不錯(cuò),具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2018-11-11opencv 實(shí)現(xiàn)特定顏色線條提取與定位操作
這篇文章主要介紹了opencv 實(shí)現(xiàn)特定顏色線條提取與定位操作,具有很好的參考價(jià)值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06