Numpy 不确定要使用什么分布来为我的数据建模

我有一组天文数据，我试图拟合一条曲线：

我的装配代码是

param = stats.norm.fit(df['delta z'].dropna())   # Fit a normal distribution to the data
pdf_fitted = stats.norm.pdf(df['delta z'], *param)
x = np.linspace(*df['delta z'].agg([min, max]), 1000) # x-values
binwidth = np.diff(edges).mean()
ax.plot(x, stats.norm.pdf(x, *param)*h.sum()*binwidth, color = 'r')

产生

很明显，我这样做是错误的，因为曲线根本不符合数据。我看过的所有教程，比如制作一组数据，在这种情况下，我们已经知道了均值和偏斜。让我用

a_estimate, loc_estimate, scale_estimate = stats.skewnorm.fit(df['delta z'])
ax.plot(x, skewnorm.pdf(x, a_estimate, loc_estimate, scale_estimate), 'r-', lw=5, alpha=0.6, label='skewnorm pdf')

产生

---

那么，如何使用这些参数绘制拟合呢？

在注释中，您表示不知道如何绘制曲线：下面是一个拟合和绘制曲线的小示例

import numpy as np
import scipy.stats as ss
import matplotlib.pyplot as plt

data = ss. expon.rvs(size=1000)

P = ss.expon.fit(data)
rX = np.linspace(min(data), max(data), 50)
rP = ss.skewnorm.pdf(rX, *P)

plt.hist(data,bins=25, normed=True, color='slategrey')

plt.plot(rX, rP, color='darkturquoise')
plt.show()

---

我有一个在线统计分布拟合工具，它会尝试将您的数据拟合到scipy中85个以上的统计分布，只需粘贴您的数据并点击提交按钮。它可能会建议一些候选分布。为什么要根据数据拟合分布？您将如何处理分发？你能做你想做的吗？我只需要绘制分布图，并在图上显示平均值和标准偏差。你可以从数据中得到平均值和标准偏差。我还是不明白你为什么要给它配一个发行版。您是否有生成数据的流程模型，可以指导您选择发行版？如果您真的只想在直方图上绘制一条平滑的曲线，那么内核密度估计应该可以很好地工作。例如，我使用了

a_估计，loc_估计，scale_估计=stats.skewnorm.fit（x）

来寻找参数，我只是不知道如何绘制曲线。有没有办法生成平滑曲线，而不是

rX

和

rP

的

plt.plot

的直方图？另外，如何找到图例中显示的平均值和方差？编辑注释：获得曲线；如何找到图例中显示的均值和方差？如果我使用

mean，var，skew，kurt=skewnorm.stats（a_est，moments='mvsk'）

，它给出的平均值与曲线不匹配。我会首先尝试numpy.mean（数据）和numpy.var（数据）。

np.mean

给出

-3e-15

，但数据的平均值显然更接近

1

。如果分布高度倾斜，那么曲线的峰值不会在平均值，是吗？也许这就是问题所在。