有Python函数可以创建点模式吗？

Question

我有以下系列数据。它具有如下所示的600个数据点，我想使用Python按照相同的数据模式生成100000个元素的数组，我不知道该怎么做。有人可以帮我这样做吗？

我试图绘制直方图并使数据具有某种分布，但是效果不佳，因为我认为我的数据没有遵循任何分布

tup = levy.fit_levy(data)
array = tup[0].get('0')
random = levy_stable.rvs(array[0], array[1],array[2],array[3],size=100000)

这是我要拟合的数据的曲线图和直方图

Plot

Histogram

Answer 1

这里的第一个问题是您是否拥有（1）时间序列或（2）独立样本？如果我理解您的问题，我相信您处于第二种情况，您需要：

1. 寻找适合您的频率分布的模型：

我建议您开始尝试不同的主分布（查看数据指数可能是一个很好的起点）。在这里，您可以在SciPy中找到许多连续分布：

https://docs.scipy.org/doc/scipy/reference/stats.html#continuous-distributions

如果要自动查找数据的SSE最少的分布，请查看tmthydvnprt的答案：

Fitting empirical distribution to theoretical ones with Scipy (Python)?

1. 对模型进行100000次采样

但是，如果是时间序列数据，则需要拟合时间序列模型而不是频率分布。在这种情况下，我建议您开始拟合ARIMA模型，如果这种方法行不通，请使用更复​​杂的模型：https://www.statsmodels.org/dev/generated/statsmodels.tsa.arima_model.ARIMA.html

Answer 2

为什么不对数据进行内核平滑处理？

我有一个列表x = [f1, f2,...,f600]与您一样

使用OpenTURNS的KernelSmoothing方法，很容易拟合非参数分布：

import openturns as ot
# format x as a sample of 600 points
sample = ot.Sample([[p] for p in x]) 
model = ot.KernelSmoothing().build(sample)

就是这样！

如果要对模型进行100000次采样，只需致电：

sample_100000 = model.getSample(100000)