如何从 seaborn distplot fit= 获取拟合参数？答案

【问题标题】：howto get fit parameters from seaborn distplot fit=?如何从 seaborn distplot fit= 获取拟合参数？
【发布时间】：2015-10-03 12:31:11
【问题描述】：

我正在使用 seaborn distplot (data, fit=stats.gamma)

如何获取返回的拟合参数？

这是一个例子：

import numpy as np
import pandas as pd
import seaborn as sns
from scipy import stats
df = pd.read_csv ('RequestSize.csv')
import matplotlib.pyplot as plt
reqs = df['12 web pages']
reqs = reqs.dropna()
reqs = reqs[np.logical_and (reqs > np.percentile (reqs, 0), reqs < np.percentile (reqs, 95))]
dist = sns.distplot (reqs, fit=stats.gamma)

【问题讨论】：

标签： python seaborn

【解决方案1】：

我确认以上是真的 - sns.distplot fit 方法等效于 scipy.stats 中的 fit 方法，因此您可以从那里获取参数，例如：

from scipy import stats

ax = sns.distplot(e_t_hat, bins=20, kde=False, fit=stats.norm);
plt.title('Distribution of Cointegrating Spread for Brent and Gasoil')

# Get the fitted parameters used by sns
(mu, sigma) = stats.norm.fit(e_t_hat)
print "mu={0}, sigma={1}".format(mu, sigma)

# Legend and labels 
plt.legend(["normal dist. fit ($\mu=${0:.2g}, $\sigma=${1:.2f})".format(mu, sigma)])
plt.ylabel('Frequency')

# Cross-check this is indeed the case - should be overlaid over black curve
x_dummy = np.linspace(stats.norm.ppf(0.01), stats.norm.ppf(0.99), 100)
ax.plot(x_dummy, stats.norm.pdf(x_dummy, mu, sigma))
plt.legend(["normal dist. fit ($\mu=${0:.2g}, $\sigma=${1:.2f})".format(mu, sigma),
           "cross-check"])

【讨论】：

这是一个正态分布。 OP正在使用伽玛。你知道如何解释 stats.gamma.fit() 返回的三个值吗？
@ChrisJ.Vargo : 形状、位置、比例 = stats.gamma.fit(data)

【解决方案2】：

使用你传递给distplot的对象：

stats.gamma.fit(reqs)

【讨论】：