在 Python 中使用正态分布计算权重

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：

1. 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。
2. 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

1. 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
   

2. 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。