scipy.stats.
boxcox_normplot#
- scipy.stats.boxcox_normplot(x, la, lb, plot=None, N=80)[source]#
计算 Box-Cox 正态图的参数,可以选择显示它。
Box-Cox 正态图以图形方式显示在
boxcox
中使用的最佳转换参数是什么,以获得接近正态的分布。- 参数:
- xarray_like
输入数组。
- la, lb标量
传递给
boxcox
以进行 Box-Cox 转换的lmbda
值的下限和上限。如果生成绘图,这些也是绘图横轴的限制。- plotobject, optional
如果给定,则绘制分位数和最小二乘拟合。plot 是一个必须具有“plot”和“text”方法的对象。可以使用
matplotlib.pyplot
模块或 Matplotlib Axes 对象,或者具有相同方法的自定义对象。默认为 None,这意味着不创建任何绘图。- Nint, optional
横轴上的点数(从 la 到 lb 均匀分布)。
- 返回:
- lmbdasndarray
执行 Box-Cox 变换的
lmbda
值。- ppccndarray
概率图相关系数,从
probplot
获得,当将 Box-Cox 变换的输入 x 与正态分布拟合时。
注释
即使给定了 plot,
boxcox_normplot
也不显示或保存该图; 在调用probplot
之后,应该使用plt.show()
或plt.savefig('figname.png')
。示例
>>> from scipy import stats >>> import matplotlib.pyplot as plt
生成一些非正态分布的数据,并创建一个 Box-Cox 图
>>> x = stats.loggamma.rvs(5, size=500) + 5 >>> fig = plt.figure() >>> ax = fig.add_subplot(111) >>> prob = stats.boxcox_normplot(x, -20, 20, plot=ax)
确定并绘制最优
lmbda
以转换x
并在同一图中绘制它>>> _, maxlog = stats.boxcox(x) >>> ax.axvline(maxlog, color='r')
>>> plt.show()