Scipydocs给出指数使用的分布形式为：
expon.pdf(x) = lambda * exp(- lambda*x)
但是 fit 函数需要：
fit(data, loc=0, scale=1)
而 rvs 函数需要：
rvs(loc=0, scale=1, size=1)
问题 1： 为什么是无关的位置变量？我知道指数只是更一般分布（伽马）的特定形式，但为什么要包含不需要的信息？甚至 gamma 也没有位置参数。
问题 2： fit(...) 的输出是否与输入变量的顺序相同。我的意思是 如果我这样做：
t = fit([....]) , t will have the form t[0], t[1]
我应该将 t[0] 解释为形状，将 t1 解释为比例吗？
这适用于所有发行版吗？
伽玛怎么样：
fit(data, a, loc=0, scale=1)
【问题讨论】：
每个单变量概率分布，无论其通常的公式是什么，都可以扩展为包含位置和尺度参数。有时，这需要将分布的支持从仅正/非负实数扩展到整个实数线，当低于loc 值时，PDF 值仅为 0。 scipy.stats 这样做是为了将 loc 和 scale 的所有处理转移到所有发行版共享的通用方法中。有人建议删除它，并制作像 gamma loc-less 这样的分布以遵循它们的规范公式。然而，事实证明，如果我没记错的话，有些人确实使用具有非零 loc 参数的“移位伽马”分布来模拟太阳黑子的大小，而 scipy.stats 的当前行为非常适合他们。所以我们保留它。
fit() 方法的输出是 (shape0, shape1, ..., shapeN, loc, scale) 形式的元组，如果有 N 形状参数。对于没有形状参数的正态分布，它将只返回(loc, scale)。对于有一个伽马分布，它将返回(shape, loc, scale)。多个形状参数的顺序与您分配给分布上的所有其他方法的顺序相同。 This holds for all distributions.
【讨论】：