python scipy曲线适合不工作

Question

我正在尝试拟合对数正态分布：

import numpy as np
import scipy.stats as sp
from scipy.optimize import curve_fit


def pdf(x, mu, sigma):
    return (np.exp(-(np.log(x) - mu)**2 / (2 * sigma**2)) / (x * sigma * np.sqrt(2 * np.pi)))


x_axis = [5e5,1e6,2e6,5e6,6e6]
y_axis = [0,0.2,0.4,0.6,0.8]
curve_fit(pdf,x_axis,y_axis,maxfev=10000,)

这将返回以下内容：

C:\Anaconda3\Lib\site-packages\scipy\optimize\minpack.py:604: OptimizeWarning: Covariance of the parameters could not be estimated
  category=OptimizeWarning)
Out[66]: 
(array([ 1.,  1.]), array([[ inf,  inf],
        [ inf,  inf]]))

这些结果看起来并不合适。我知道只有五个数据点但是当我在excel中使用求解器时，我得到的参数为0.1536和3.1915，这并不完美，但它更接近。

编辑：用cdf尝试这个

def cdf(x,mu,sigma):
    return sp.norm.cdf((np.log(x)-mu)/sigma)

curve_fit(cdf,x_axis,y_axis,)

这会返回与上面相同的错误

Answer 1

你有可视化数据吗？

x_axis和y_axis的给定值如下所示：

如果您使用给定的x_axis值和mu=0.1536和sigma=3.1915的Excel求解器值，然后可视化pdf，您会得到：

所以我想知道你想得到什么结果？

实际上，第一张图片中的数据看起来并不像Log-normal pdf，是吗？