scipy.stats.

yeojohnson_normplot#

scipy.stats.yeojohnson_normplot(x, la, lb, plot=None, N=80)[источник]#

Вычислить параметры для графика нормальности Йео-Джонсона, при необходимости отобразить его.

График нормальности Йео-Джонсона графически показывает, какой параметр преобразования лучше всего использовать в yeojohnson чтобы получить распределение, близкое к нормальному.

Параметры:

xarray_like: Входной массив.
la, lbскаляр: Нижняя и верхняя границы для lmbda значения для передачи в yeojohnson для преобразований Йео-Джонсона. Это также пределы горизонтальной оси графика, если он строится.
plotобъект, опционально: Если задано, строит квантили и линию наименьших квадратов. plot является объектом, который должен иметь методы "plot" и "text". matplotlib.pyplot модуль или объект Matplotlib Axes можно использовать, или пользовательский объект с теми же методами. По умолчанию None, что означает, что график не создается.
Nint, необязательный: Количество точек на горизонтальной оси (равномерно распределённых от la to lb).

Возвращает:

lmbdasndarray: The lmbda значения, для которых было выполнено преобразование Йео-Джонсона.
ppccndarray: Коэффициент корреляции вероятностного графика, полученный из probplot при подгонке преобразованного по Боксу-Коксу ввода x против нормального распределения.

Смотрите также

probplot, yeojohnson, yeojohnson_normmax, yeojohnson_llf, ppcc_max

Примечания

Даже если plot указан, рисунок не отображается и не сохраняется boxcox_normplot; plt.show() или plt.savefig('figname.png') следует использовать после вызова probplot.

Добавлено в версии 1.2.0.

Примеры

>>> from scipy import stats
>>> import matplotlib.pyplot as plt

Сгенерировать некоторые данные, не распределённые нормально, и создать график Йео-Джонсона:

>>> x = stats.loggamma.rvs(5, size=500) + 5
>>> fig = plt.figure()
>>> ax = fig.add_subplot(111)
>>> prob = stats.yeojohnson_normplot(x, -20, 20, plot=ax)

Определить и построить оптимальный lmbda преобразовать x и построить его на том же графике:

>>> _, maxlog = stats.yeojohnson(x)
>>> ax.axvline(maxlog, color='r')

>>> plt.show()

../../_images/scipy-stats-yeojohnson_normplot-1.png