在Python的scipy.stats库中，它具有一组非常样式化的随机变量类，方法和属性。大多数与分布本身有关，例如，“是什么意思？”或“差异是什么？”
对数正态分布是一个奇数球，因为定义正态分布的参数不是该分布的常规参数，而是从其派生的正态分布的参数。简而言之，如果X是具有均值mu和stdev sigma的正态分布，则Y = e ^ X是对数正态值，具有自己的均值，众数，方差，stdev等。
有人知道通过scipy.stats中“冻结” RV的方法或属性来恢复（正态分布X的）底层mu和sigma的快速或聪明的方法吗？
因为scipy.stats确实给出了实际对数正态的均值，stdev等，所以人们可以做很多代数并从标准翻译中恢复它……但是代码可能无法维护。
供参考<参见： https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.lognorm.html 和 https://en.wikipedia.org/wiki/Log-normal_distribution
答案 0 :(得分：0)
（这篇文章有点老，但是值得一提答案）。
Scipy rv_continuous实例具有.stats方法（请参见here）。您可以使用此方法检索诸如均值和方差之类的参数。
可以从类或实例中调用此方法：
# from the classs
scipy.stats.lognorm.stats(loc=2,s=1,moments='mvsk')
>> (array(3.64872127), array(4.67077427), array(6.18487714), array(110.93639218))
# or from the instance
scipy.stats.lognorm(loc=2, s=1).stats(moments='mvsk')