Python中加权对数正态分布拟合的正确方法

Question

目前我有适合对数正态分布的代码。在

shape,  loc,  scale  = sm.lognorm.fit(dataToLearn, floc = 0)

for b in bounds:
    toPlot.append((b, currCount+sm.lognorm.ppf(b, s = shape, loc = loc, scale = scale)))

我希望能够将权重向量传递给拟合。目前我有一个解决方法，我将所有的权重四舍五入到2个小数点，然后重复每个值w次，这样就可以正确地加权了。在

^{pr2}$

这个运行时间对我的计算机来说太慢了，所以我希望有一个更正确的解决方案。在

请告知是使用scipy还是numpy，使我的解决方案更快更有效

Answer 1

您可以使用numpy.repeat来提高解决方案的效率：

import numpy as np

dataToLearn = np.array([1,2,3,4,5])
weights = np.array([1,2,1,1,3])

print(np.repeat(dataToLearn, weights))
# Output: array([1, 2, 2, 3, 4, 5, 5, 5])

对numpy.repeat性能的非常基本的性能测试：

^{pr2}$

因此，对于您当前的方法，我得到了大约3.38，而对于numpy.repeat，我得到了0.75