Python SciPy stats.yeojohnson_normmax用法及代码示例

本文简要介绍 python 语言中 scipy.stats.yeojohnson_normmax 的用法。

用法:

scipy.stats.yeojohnson_normmax(x, brack=None)#

计算最佳Yeo-Johnson 变换参数。

使用最大似然估计计算输入数据的最佳Yeo-Johnson 变换参数。

参数 ：：

x： array_like

输入数组。

brack： 2 元组，可选

使用 Optimize.brent 进行下坡括号搜索的起始间隔。请注意，这在大多数情况下并不重要；最终结果允许在这个括号之外。如果没有，则将 optimize.fminbound 与避免溢出的边界一起使用。

返回 ：：

maxlog： 浮点数

找到的最佳变换参数。

注意：

例子：

>>> import numpy as np
>>> from scipy import stats
>>> import matplotlib.pyplot as plt

生成一些数据并确定最佳lmbda

>>> rng = np.random.default_rng()
>>> x = stats.loggamma.rvs(5, size=30, random_state=rng) + 5
>>> lmax = stats.yeojohnson_normmax(x)

>>> fig = plt.figure()
>>> ax = fig.add_subplot(111)
>>> prob = stats.yeojohnson_normplot(x, -10, 10, plot=ax)
>>> ax.axvline(lmax, color='r')

>>> plt.show()