scipy.stats.

yeojohnson_normplot

scipy.stats.yeojohnson_normplot(x, la, lb, plot=None, N=80)

计算Yeo-Johnson正态图的参数，可选择显示它。

Yeo-Johnson 正态图通过图形展示了在 yeojohnson 中使用最佳转换参数是什么，以获得接近正态分布的分布。

参数:

xarray_like

输入数组。

la, lb标量

lmbda 值的上下限，用于传递给 yeojohnson 进行 Yeo-Johnson 变换。如果生成图表，这些也是水平轴的极限。

绘图对象，可选

如果给出，绘制分位数和最小二乘拟合。plot 是一个对象，必须具有“plot”和“text”方法。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。默认值为 None，这意味着不创建绘图。

Nint, 可选

水平轴上的点数（从 la 到 lb 等间距分布）。

返回:

lmbdasndarray

执行 Yeo-Johnson 变换的 lmbda 值。

ppccndarray

概率图相关系数，从 probplot 中获得，当拟合 Box-Cox 变换后的输入 x 与正态分布时。

参见

probplot, yeojohnson, yeojohnson_normmax, yeojohnson_llf, ppcc_max

注释

即使给出了 plot，boxcox_normplot 也不会显示或保存图形；调用 probplot 后应使用 plt.show() 或 plt.savefig('figname.png')。

Added in version 1.2.0.

示例

Try it in your browser!

>>> 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 Yeo-Johnson 图：

>>> 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)

确定并绘制用于转换 x 的最佳 lmbda ，并在同一图中绘制它：

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

>>> plt.show()

Go BackOpen In Tab