我正在尝试测试一个已构建的函数，该函数可估计Pandas DataFrame中数据的概率密度，因此我需要一个数据生成过程，以便可以从不同的分布生成样本并确认该函数返回期望值（在一定的公差范围内。
我决定使用SciPy生成偏态正态分布，并且能够使用以下方法在这些分布中生成数据：
from scipy.stats import skewnorm
S1 = skewnorm.rvs(2, size=1000)
S2 = skewnorm.rvs(0, size=1000)
S3 = skewnorm.rvs(-2, size=1000)
TS = pd.DataFrame({'left':S1, 'normal':S2, 'right':S3 })
第一个参数决定了偏斜度（尽管精确的计算对我而言并不明显，文档也很薄！我如何定义基本正态分布的均值和SD？
第二，我需要能够计算出-对于一个尺寸，例如“ S1”-曲线下的面积，直到x轴上的某个值（即CDF）。因此，我可以简单地为函数返回的PDF计算相同的值，然后将两者进行比较。
skewnorm具有方法skewnorm.cdf和skewnorm.pdf，它们应该是我想要的，但是我无法计算出参数，文档也不清晰。
如何获得x中位于-infinity和我定义的某些a之间的观察概率？