scipy.stats.

yeojohnson_normplot#

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

Berechnet Parameter für ein Yeo-Johnson-Normalitätsdiagramm und zeigt es optional an.

Ein Yeo-Johnson-Normalitätsdiagramm zeigt grafisch, welcher beste Transformationsparameter in yeojohnson verwendet werden kann, um eine Verteilung zu erhalten, die nahe an der Normalverteilung liegt.

Parameter:

xarray_like: Eingabearray.
la, lbSkalar: Die untere und obere Grenze für die lmbda-Werte, die an yeojohnson für Yeo-Johnson-Transformationen übergeben werden. Dies sind auch die Grenzen der horizontalen Achse des Diagramms, falls dieses generiert wird.
plotObjekt, optional: Wenn angegeben, werden die Quantile und die Kleinste-Quadrate-Anpassung gezeichnet. plot ist ein Objekt, das die Methoden „plot“ und „text“ haben muss. Das Modul matplotlib.pyplot oder ein Matplotlib-Achsenobjekt kann verwendet werden, oder ein benutzerdefiniertes Objekt mit denselben Methoden. Standard ist None, was bedeutet, dass kein Diagramm erstellt wird.
Nint, optional: Anzahl der Punkte auf der horizontalen Achse (gleichmäßig verteilt von la bis lb).

Rückgabe:

lmbdasndarray: Die lmbda-Werte, für die eine Yeo-Johnson-Transformation durchgeführt wurde.
ppccndarray: Wahrscheinlichkeitsplot-Korrelationskoeffizient, wie er von probplot bei der Anpassung der Box-Cox-transformierten Eingabe x an eine Normalverteilung erhalten wird.

Siehe auch

probplot, yeojohnson, yeojohnson_normmax, yeojohnson_llf, ppcc_max

Hinweise

Auch wenn plot angegeben ist, wird die Abbildung nicht von boxcox_normplot angezeigt oder gespeichert; plt.show() oder plt.savefig('figname.png') sollten nach dem Aufruf von probplot verwendet werden.

Hinzugefügt in Version 1.2.0.

Beispiele

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

Erzeugt einige nicht normalverteilte Daten und erstellt ein Yeo-Johnson-Diagramm

>>> 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)

Ermittelt und zeichnet die optimale lmbda, um x zu transformieren, und zeichnet sie in demselben Diagramm

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

>>> plt.show()

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