python广义极值_python scipy stats.genextreme用法及代码示例

Python中的Scipy库提供了模块stats，其中包含了众多的概率分布函数。其中，genextreme分布是广义极值分布，它可以用于拟合具有极值特征的数据。下面是使用stats.genextreme拟合数据的代码示例：

import numpy as np
from scipy import stats

# 生成随机数据
data = np.random.normal(0, 1, 1000)

# 估计参数
params = stats.genextreme.fit(data)

# 拟合分布
fit_dist = stats.genextreme(*params)

# 计算概率密度函数
pdf = fit_dist.pdf(data)

# 绘制概率密度函数图像
import matplotlib.pyplot as plt
plt.hist(data, bins=50, density=True, alpha=0.5)
plt.plot(data, pdf, '-r')
plt.show()

在上述代码中，我们首先生成了1000个服从正态分布的随机数。接下来，使用stats.genextreme.fit函数估计genextreme分布的参数。然后，使用估计的参数构造genextreme分布对象fit_dist。最后，用fit_dist对象计算数据的概率密度函数，并绘制数据的直方图和拟合的概率密度函数曲线。

需要注意的是，使用genextreme分布拟合数据需要先判断数据是否符合极值分布的特征。如果不符合，拟合结果可能不准确。