计算Scipy LOGNORM.CDF（）并获得与MS Excel LOGNORM.DIST相同的答案

Question

我正在使用Microsoft Excel 2013中的LOGNORM.DIST在纸上复制图表，并希望在Python中获得相同的图表。我在excel中得到了正确的答案，但在python中没有。

在excel中，我有，

mean of ln(KE)      4.630495093
std dev of ln(KE)       0.560774853

然后我将x（KE）从10绘制到1000并使用Excel LOGNORM.DIST计算事件的概率。我从论文中得到了确切的答案，所以我对计算充满信心。情节如下：

MS Excel 2013 Plot of LOGNORM.DIST

在python中我使用Python 3.4和Scipy 0.16.0，我的代码如下：

%matplotlib inline
from scipy.stats import lognorm
import numpy as np
import matplotlib.pyplot as plt

shape = 0.560774853 #standard deviation
scale = 4.630495093 #mean
loc = 0

dist=lognorm(shape, loc, scale)
x=np.linspace(10,1000,200)

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.set_xscale('log')
ax.set_xlim([10., 1000.])
ax.set_ylim([0., 1.])
ax.plot(x,dist.cdf(x)), dist.cdf(103)

，情节是，

Python Plot of LOGNORM

我使用loc参数搞砸了很多，但没有任何效果。 python代码中的最后一行

dist.cdf(103)

应该给我50％的概率，但显然我做错了。

Answer 1

scipy scale分布的lognorm参数为exp(mean)，其中mean是基础正态分布的平均值。所以你应该写：

scale = np.exp(mean)

这是一个生成类似Excel图的图表的脚本：

import numpy as np
from scipy.stats import lognorm
import matplotlib.pyplot as plt

shape = 0.560774853
scale = np.exp(4.630495093)
loc = 0

dist = lognorm(shape, loc, scale)

x = np.linspace(10, 1000, 500)
plt.semilogx(x, dist.cdf(x))
plt.grid(True)
plt.grid(True, which='minor')
plt.show()