Python SciPy stats.yeojohnson_normmax用法及代碼示例

本文簡要介紹 python 語言中 scipy.stats.yeojohnson_normmax 的用法。

用法:

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

計算最佳Yeo-Johnson 變換參數。

使用最大似然估計計算輸入數據的最佳Yeo-Johnson 變換參數。

參數 ：：

x： array_like

輸入數組。

brack： 2 元組，可選

使用 Optimize.brent 進行下坡括號搜索的起始間隔。請注意，這在大多數情況下並不重要；最終結果允許在這個括號之外。如果沒有，則將 optimize.fminbound 與避免溢出的邊界一起使用。

返回 ：：

maxlog： 浮點數

找到的最佳變換參數。

注意：

例子：

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

生成一些數據並確定最佳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()