将幂律拟合到Python中的经验数据

我正在尝试用这个模块来拟合经验数据的幂律。我创建了以下数据，该数据遵循指数2的幂律分布：

x = range(1,1000)
y = []

for i in x:
    y.append(i**(-2))

我期望拟合的幂律的指数为2。然而，得出的指数与理论值相差很大：

    fitted_pl = powerlaw.Fit(y)

    fitted_pl.alpha
    Out[115]: 1.4017584065981563

你能告诉我为什么会这样，或者指出我做错了什么吗

---

谢谢你友好的回答

正如@DSM所指出的，幂律模块处理的是将指数拟合到从幂律分布中提取/生成的值，而不是拟合回归。为了帮助可能有类似困惑的人，以下是验证指数拟合的方法：

## use a proper power law random number generator (or code your own) 
from networkx.utils import powerlaw_sequence
pl_sequence = powerlaw_sequence(1000,exponent=2.5)

fitted_pl = powerlaw.Fit(pl_sequence)

fitted_pl.alpha
Out[73]: 2.4709012785346314  ##close enough

---

当你写

y.append（x**（-2））

的时候，我想你的意思是

y.append（I**（-2））

@Brionius谢谢你指出了这一点，更正了。你是不是把直线

y（x）=kx^（-a）

的回归与将指数拟合到概率分布

p（x）~（a-1）x^（-a）

得出的值混淆了？[k->a更改是有意的。

powerlaw

模块解决了第二个问题。@DSM，你完全正确！我混淆了这两个截然不同的任务。非常感谢您指出这一点！