如何解决在 Python 中使用正态分布计算权重
我必须在泰坦尼克号数据集中添加一个重量列,以使用 std = 20 和均值 = 70 kg 的正态分布计算成年乘客的体重。我试过这个代码:
df['Weight'] = np.random.normal(20,70,size=891)
df['Weight'].fillna(df['Weight'].iloc[0],inplace=True)
但我担心两件事:
- 它产生负值,而不仅仅是正值;这怎么能被认为是正常的权重值,我是否可以在代码中更改任何内容以生成正值。
- 既然我的目标是成年人的年龄组,那么儿童呢?其中一些也有异常的体重值,例如成人7公斤或儿童30公斤;这怎么解决。 感谢您提供的任何帮助。
编辑:
这段代码对我有用
Weight = np.random.normal(80,20,718)
adults['Weight'] = Weight
现在我必须计算权重小于 70 的人的概率 谁在 70 到 100 之间。
我尝试了以下代码,但它引发了一个错误:TypeError: unsupported operand type(s) for -: 'str' and 'int'。
import pandas as pd
import numpy as np
import scipy.stats
adults = df[(df['Age'] >= 20) & (df['Age'] <= 70)]
Weight = np.random.normal(80,718)
adults['Weight'] = Weight
p1 = adults['Weight'] < 70
p2 = adults[(adults['Weight'] > 70) & (adults['Weight'] < 100)]
scipy.stats.norm.pdf(p1)
scipy.stats.norm.pdf(p2)
解决方法
-
正态分布的范围不受限制。它涵盖所有实数。如果你想限制它,你应该手动或使用其他发行版。
df['Weight'] = np.random.normal(20,70,size=891) df.loc[df['Weight'] < min_value,'Weight'] = min_value df.loc[df['Weight'] > max_value,'Weight'] = max_value
-
由于儿童和成人的权重不是 iid,因此您应该从不同的分布中取样
# use different distributions df.loc[df['person_type'] == 'child','Weight'] = np.random.normal(x1,y1,size=children_size) df.loc[df['person_type'] == 'adult','Weight'] = np.random.normal(x2,y2,size=adult_size)
您可以使用truncated normal distribution,如果您想避免负值,例如,获得均值为 70 和 sd 20 的向量,您可以这样做:
myclip_a = 0
myclip_b = +np.Inf
my_mean = 70
my_std = 20
a,b = (myclip_a - my_mean) / my_std,(myclip_b - my_mean) / my_std
我们设置了种子,您可以看到截断的法线的所有值都大于零,但不是您使用的法线:
np.random.seed(100)
x1 = truncnorm.rvs(a= a,b=b,size=50000,loc=70,scale=20)
np.sum(x1<0)
0
x2 = norm.rvs(loc=70,scale=20,size=50000)
np.sum(x2<0)
10
不太确定您如何填写 nas.. 需要数据框来解决这个问题,但我怀疑这完全是另一个问题。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。