尝试从 SciPy 中的分布中提取随机数，就像使用 stats.norm.rvs 一样。但是，我试图从我拥有的经验分布中获取数字 - 这是一个倾斜的数据集，我想将倾斜和峰度合并到我从中提取的分布中。理想情况下，我只想调用 stats.norm.rvs(loc=blah,scale=blah,size=blah) 然后除了均值和方差之外还设置偏斜和库尔特。 norm 函数采用“moments”参数，该参数由“mvsk”的某种排列组成，其中 s 和 k 代表偏斜和峰度，但显然所做的只是要求从 rv 计算 s 和 k，而我想建立 s 和 k 作为开始的分布参数。
无论如何，我无论如何都不是统计专家，也许这是一个简单或被误导的问题。将不胜感激。
编辑：如果四个矩不足以很好地定义分布，是否有任何其他方法可以绘制与如下所示的经验分布一致的值：http://i.imgur.com/3yB2Y.png
【问题讨论】：
标签： python statistics scipy skew
如果您不担心会陷入发行的尾部， 并且数据是浮点数，那么 您可以从经验分布中抽样。
基本上，这是在经验 CDF 中线性插值以获得 随机变量。
两个潜在的问题是（1）如果您的数据集很小，您可能无法代表 分布良好，并且（2）您不会生成大于最大值的值 现有数据集中的一个。
要超越这些，您需要查看参数分布，例如上面提到的 gamma 分布。
【讨论】：
正态分布只有两个参数，均值和方差。正态分布的扩展有 4 个参数，另外还有偏斜和峰度。一个例子是 Gram-Charlier 扩展，但据我记得只有 pdf 可用于 scipy，而不是 rvs。
作为替代方案，scipy.stats 中有 4 个参数的分布，例如 johnsonsu，它们很灵活，但参数化不同。
但是，在您的示例中，分布适用于大于零的值，因此近似正态分布不会很好地工作。正如 Andrew 建议的那样，我认为您应该查看 scipy.stats 中下限为零的分布，例如 gamma，您可能会发现一些接近的东西。
如果您的样本足够大，另一种选择是使用 gaussian_kde，它也可以创建随机数。但是 gaussian_kde 也不是为有限界分布而设计的。
【讨论】：
也许我误会了，我当然不是统计专家，但你的图片看起来有点像gamma distribution。
Scipy 包含专门用于 gamma 分布的代码 - http://www.scipy.org/doc/api_docs/SciPy.stats.distributions.html#gamma
【讨论】：
如果需要，用其他发行版替换简短答案：
n = 100
a_b = [rand() for i in range(n)]
a_b.sort()
# len(a_b[:int(n*.8)])
c = a_b[int(n*.8)]
print c
【讨论】：