将 non-normpdf 拟合到 matplotlib 中的直方图答案

【问题标题】：Fitting non-normpdf's to histograms in matplotlib将 non-normpdf 拟合到 matplotlib 中的直方图
【发布时间】：2014-01-01 14:40:59
【问题描述】：

我正在尝试拟合直方图，但没有任何运气。有很多关于如何在正常概率密度函数中执行此操作的信息，但对其他类型的 pdf 没有。

import pylab as py
import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import exponpow

# Fit procedure
eigfit=[]
for i in range(0,len(eigenvals1)):
if eigenvals1>=4.3:
    eigfit.append(eigenvals1[i])

b = exponpow.fit(eigfit)

但我找不到如何绘制这个指数 pdf 的曲线。它为我提供了一些拟合值，但在 scipy 文档中并没有很好地解释它是如何拟合的。

【问题讨论】：

问题是让数字脱离拟合还是在得到拟合后绘制拟合？

标签： python matplotlib scipy

【解决方案1】：

fit 方法执行 maximum likelihood estimation 的参数。

要拟合 exponpow 分布，您可能希望位置参数（所有 scipy 分布都具有）为 0。还有两个其他参数：比例参数和形状参数。这是一个使用exponpow.fit的示例（在ipython会话中），位置参数固定为0：

首先生成一些假数据：

In [108]: np.random.seed(123)

In [109]: samples = 5 + np.random.randn(1000)

使用exponpow.fit 使参数适合数据。使用floc=0将位置参数固定为0：

In [110]: params = exponpow.fit(samples, floc=0)

使用matplotlib.pyplot.hist绘制样本的直方图：

In [111]: histresult = hist(samples, density=True, facecolor='cyan', alpha=0.25)

绘制拟合分布的PDF，使用方法exponpow.pdf：

In [112]: x = np.linspace(0, samples.max() + 1, 100)

In [113]: pdf = exponpow.pdf(x, *params)

In [114]: plot(x, pdf, 'b-', linewidth=2)
Out[114]: [<matplotlib.lines.Line2D at 0x5b59b90>]

这些是拟合参数（形状、位置、比例）的值：

In [115]: params
Out[115]: (3.5192555959521199, 0, 6.078044809594477)

【讨论】：