数据集地址 提取码: us2a
Age: 年龄，指登船者的年龄 Fare: 价格，指船票价格 Embark: 登船的港口
import pandas as pd data = pd.read_excel("D:\data\data.xlsx") data = data.set_index("ID") portS = data[data["Embarked"]=="S"] portC = data[data["Embarked"]=="C"] portQ = data[data["Embarked"]=="Q"] portS_age = portS["Age"] portS_fare = portS["Fare"] portC_age = portC["Age"] portC_fare = portC["Fare"] portQ_age = portQ["Age"] portQ_fare = portQ["Fare"] port_details = pd.DataFrame({"均值":[portS_age.mean(),portC_age.mean(),portQ_age.mean(),portS_fare.mean(),portC_fare.mean(),portQ_fare.mean()], "方差":[portS_age.var(),portC_age.var(),portQ_age.var(),portS_fare.var(),portC_fare.var(),portQ_fare.var()], "标准差":[portS_age.std(),portC_age.std(),portQ_age.std(),portS_fare.std(),portC_fare.std(),portQ_fare.std()], "变异系数":[portS_age.mean()/portS_age.std(),portC_age.mean()/portC_age.std(),portQ_age.mean()/portQ_age.std(),portS_fare.mean()/portS_fare.std(),portC_fare.mean()/portC_fare.std(),portQ_fare.mean()/portQ_fare.std()]}, index=['S港口年龄', 'C港口年龄', 'Q港口年龄', 'S港口票价', 'C港口票价', 'Q港口票价']) 
在已知所要处理的随机过程属于某一个随机过程族时，可以采用最大似然估计来 得到相关参数的值
这部分代码参考某位群内大佬代码, 确实叹服代码写的很好, 后续继续研究学习代码内细节
fare = data['Fare'].copy().values # 单独选取fare列值 fare.sort() loc, std = stats.norm.fit(fare) # 最大似然求得均值与标准差 y = stats.norm.pdf(fare, loc=loc, scale=std) plt.hist(fare, bins=10, density=True, label='Fare Distribution') plt.plot(fare, y, color='#E78A61', label='normal fit') plt.xlabel("Fare") plt.ylabel("Density") plt.title('Fare Distribution') plt.legend() plt.show() norm_random = stats.norm.rvs(loc=loc, scale=std, size=len(fare)) norm_KS_stastic, norm_pvalue = stats.ks_2samp(fare, norm_random) print("norm_KS_stastic = %.4f norm_pvalue = %.4f" % (norm_KS_stastic, norm_pvalue)) if(norm_pvalue<0.05): print("该分布不符合正态分布") else: print("该分布符合正态分布") 
chi2_df,chi2_loc, chi2_std = stats.chi2.fit(fare) # 最大似然求得均值与标准差 y = stats.chi2.pdf(fare, df=chi2_df, loc=chi2_loc, scale=chi2_std) plt.hist(fare, bins=10, density=True,label='Fare Distribution') plt.plot(fare, y, color='#E78A61', label='chi2 fit') plt.xlabel("Fare") plt.ylabel("Density") plt.title('Fare Distribution') plt.legend() plt.show() chi2_random = stats.chi2.rvs(df=chi2_df,loc=chi2_loc, scale=chi2_std, size=len(fare)) chi2_KS_stastic, chi2_pvalue = stats.ks_2samp(fare, chi2_random) print("chi2_KS_stastic = %.4f chi2_pvalue = %.4f" % (chi2_KS_stastic, chi2_pvalue)) if(chi2_pvalue<0.05): print("该分布不符合卡方分布") else: print("该分布符合正态分布") 
t_df, t_loc, t_std = stats.t.fit(fare) # 最大似然求得均值与标准差 y = stats.t.pdf(fare,df=t_df, loc=t_loc, scale=t_std) plt.hist(fare,bins=10, density=True, label='Fare Distribution') plt.plot(fare, y, color='#E78A61', label='t fit') plt.xlabel("Fare") plt.ylabel("Density") plt.title('Fare Distribution') plt.legend() plt.show() norm_random = stats.t.rvs(df=t_df,loc=t_loc, scale=t_std, size=len(fare)) t_KS_stastic, t_pvalue = stats.ks_2samp(fare, norm_random) print("t_KS_stastic = %.4f t_pvalue = %.4f" % (t_KS_stastic, t_pvalue)) if(t_pvalue<0.05): print("该分布不符合T分布") else: print("该分布符合正态分布") 
该分布不符合以上三种中的任何一种
Q3: 港口S与Q之间的价格之差是否符合某种分布？
s_fare = portS_fare.copy().values q_fare = portQ_fare.copy().values mean2 = s_fare.mean()-q_fare.mean() std2 = (s_fare.std()**2/len(s_fare)+q_fare.std()**2/len(s_fare))**0.5 x = np.arange(- 40, 40) y = stats.norm.pdf(x, mean2, std2) plt.plot(x, y) plt.xlabel("S_Fare - Q_Fare") plt.ylabel("Density") plt.show() 
由图像可知两港口费用之差近似服从于正态分布
来源：博客园
作者：诀别、泪
链接：https://www.cnblogs.com/S031602219/p/11432860.html