Python 如何从scipy.stats.distributions对象中获取上下限？

我有一个scipy.stats.distributions对象，我试图找出它的上下限。简化的代码来说明我正在尝试做的事情：

from scipy.stats.distributions import uniform
u = uniform(1, 5)
print u.dist.name              #prints 'uniform'
print u.dist.lower_bound       #I'm trying to print '1'
#AttributeError: 'uniform_gen' object has no attribute 'lower_bound'

---

我在任何地方都找不到关于如何做到这一点的文档。

就我而言，概率密度函数没有x方向或y方向的上/下界。根据定义，您的统一分布将使其pdf在范围（1，5）上评估为1/4，在其他地方评估为0。如果您要求cdf为0或1（或渐近接近0或1）的点，则

scipy.stats

中的每个分布函数都有一个

ppf

方法，您可以使用该方法通过输入所需的百分位数（在您的案例中为0和1）来获得上限/下限

---

但是，请注意，当您将0或1放入

ppf

时，连续随机变量通常会将+-无穷大作为其一个或两个边界。这就是发行版的构建方式。如果你坚持要找一个值，那么试着找一个接近但实际上不是0或1的数字。

就我而言，概率密度函数在x方向或y方向没有上下限。根据定义，您的统一分布将使其pdf在范围（1，5）上评估为1/4，在其他地方评估为0。如果您要求cdf为0或1（或渐近接近0或1）的点，则

scipy.stats

中的每个分布函数都有一个

ppf

方法，您可以使用该方法通过输入所需的百分位数（在您的案例中为0和1）来获得上限/下限

---

但是，请注意，当您将0或1放入

ppf

时，连续随机变量通常会将+-无穷大作为其一个或两个边界。这就是发行版的构建方式。如果你坚持要找到一个值，那么尝试一些接近但实际上不是0或1的数字。

我不确定所有的scipy分布都是为了给我们大多数人带来最大的方便而参数化的。然而，文件上说，“loc和loc+标度之间的分布是恒定的。”你需要在区间[1,5]上有一个统一的值，这意味着loc=1和loc+标度=5。然后，我们可以通过以下代码最直接地获得您所要求的内容

>>> from scipy.stats.distributions import uniform
>>> u = uniform(1,4)
>>> u.ppf(0)
1.0
>>> u.ppf(1)
5.0

当涉及无限支撑的分布时，生命变得更加不确定，例如正态分布。你可以要求，比如说，ppf（0）和/或ppf（1），但是结果（负无穷大和正无穷大不是很有趣）。我猜想大多数人会对捕捉密度函数“有趣”部分的上下限更感兴趣。在正常情况下，这可能是从ppf（0.05）到ppf（0.95）。在这种情况下，文档中说，“location（loc）关键字指定了平均值。scale（scale）关键字指定标准偏差。'这是一种释压

>>> from scipy.stats.distributions import norm
>>> n = norm(0,1)
>>> n.ppf(0.05)
-1.6448536269514729
>>> n.ppf(0.95)
1.6448536269514722

---

毫不奇怪。

我不确定所有的scipy分布都是为了给我们大多数人带来最大的便利而参数化的。然而，文件上说，“loc和loc+标度之间的分布是恒定的。”你需要在区间[1,5]上有一个统一的值，这意味着loc=1和loc+标度=5。然后，我们可以通过以下代码最直接地获得您所要求的内容

>>> from scipy.stats.distributions import uniform
>>> u = uniform(1,4)
>>> u.ppf(0)
1.0
>>> u.ppf(1)
5.0

当涉及无限支撑的分布时，生命变得更加不确定，例如正态分布。你可以要求，比如说，ppf（0）和/或ppf（1），但是结果（负无穷大和正无穷大不是很有趣）。我猜想大多数人会对捕捉密度函数“有趣”部分的上下限更感兴趣。在正常情况下，这可能是从ppf（0.05）到ppf（0.95）。在这种情况下，文档中说，“location（loc）关键字指定了平均值。scale（scale）关键字指定标准偏差。'这是一种释压

>>> from scipy.stats.distributions import norm
>>> n = norm(0,1)
>>> n.ppf(0.05)
-1.6448536269514729
>>> n.ppf(0.95)
1.6448536269514722

不足为奇