Python SciPy stats.yeojohnson_normplot用法及代碼示例

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

用法:

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

計算Yeo-Johnson 正態圖的參數，可選擇顯示它。

Yeo-Johnson 正態圖以圖形方式顯示在 yeojohnson 中使用什麽最佳轉換參數以獲得接近正態分布的分布。

參數 ：：

x： array_like

輸入數組。

la, lb： 標量

lmbda 值的下限和上限要傳遞給 yeojohnson 以進行 Yeo-Johnson 轉換。如果生成的話，這些也是繪圖水平軸的限製。

plot： 對象，可選

如果給定，繪製分位數和最小二乘擬合。陰謀是一個必須具有方法 “plot” 和 “text” 的對象。這matplotlib.pyplot可以使用模塊或 Matplotlib Axes 對象，或具有相同方法的自定義對象。默認為無，這意味著不創建繪圖。

N： 整數，可選

水平軸上的點數(從 la 到 lb 均勻分布)。

返回 ：：

lmbdas： ndarray

已完成 Yeo-Johnson 轉換的 lmbda 值。

ppcc： ndarray

概率圖相關係數，從scipy.stats.probplot擬合Box-Cox 轉換後的輸入時x反對正態分布。

注意：

即使陰謀給出，該圖不顯示或保存scipy.stats.boxcox_normplot;plt.show()或者plt.savefig('figname.png')應該在調用後使用scipy.stats.probplot.

例子：

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

生成一些非正態分布的數據，並創建一個Yeo-Johnson 圖：

>>> 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)

確定並繪製最佳 lmbda 以變換 x 並將其繪製在同一圖中：

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

>>> plt.show()