Python SciPy stats.yeojohnson_normplot用法及代码示例

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

用法:

scipy.stats.yeojohnson_normplot(x, la, lb, plot=None, N=80)#

计算Yeo-Johnson 正态图的参数，可选择显示它。

Yeo-Johnson 正态图以图形方式显示在 yeojohnson 中使用什么最佳转换参数以获得接近正态分布的分布。

参数 ：：

x： array_like

输入数组。

la, lb： 标量

lmbda 值的下限和上限要传递给 yeojohnson 以进行 Yeo-Johnson 转换。如果生成的话，这些也是绘图水平轴的限制。

plot： 对象，可选

如果给定，绘制分位数和最小二乘拟合。阴谋是一个必须具有方法 “plot” 和 “text” 的对象。这matplotlib.pyplot可以使用模块或 Matplotlib Axes 对象，或具有相同方法的自定义对象。默认为无，这意味着不创建绘图。

N： 整数，可选

水平轴上的点数(从 la 到 lb 均匀分布)。

返回 ：：

lmbdas： ndarray

已完成 Yeo-Johnson 转换的 lmbda 值。

ppcc： ndarray

概率图相关系数，从scipy.stats.probplot拟合Box-Cox 转换后的输入时x反对正态分布。

注意：

即使阴谋给出，该图不显示或保存scipy.stats.boxcox_normplot;plt.show()或者plt.savefig('figname.png')应该在调用后使用scipy.stats.probplot.

例子：

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

生成一些非正态分布的数据，并创建一个Yeo-Johnson 图：

>>> x = stats.loggamma.rvs(5, size=500) + 5
>>> fig = plt.figure()
>>> ax = fig.add_subplot(111)
>>> prob = stats.yeojohnson_normplot(x, -20, 20, plot=ax)

确定并绘制最佳 lmbda 以变换 x 并将其绘制在同一图中：

>>> _, maxlog = stats.yeojohnson(x)
>>> ax.axvline(maxlog, color='r')

>>> plt.show()