绝对是统计问题。 听起来像是想做概率测试，确认这个分布和正态分布、对数正态分布、二项式分布等是否有显著的相似性。 最简单的方法是测试正常或对数正常，如下所示。
设定Pvalue截止值。 通常为Pvaluelt；=0.05时，不是正态分布。
在Python use SciPy中，此函数返回两个值，因为它只返回p值进行测试。 在此，为了清楚起见，请忽略可选的(不需要的)输入。
import scipy.stats
[W，pvalue ]=scipy.stats.morestats.Shapiro (x ) ) ) ) ) ) ) ) w，w，pvalue ) ) ) ) w ) ) ) w ) w ) w ) w ) w ) w ) w ) w ) w )
运行Shapiro-Wilk正则性测试。 Shapiro-Wilk检验验证了数据来自正态分布的零假设。
要确定是否为对数正态分布，请假设未通过上面的p测试。 请试试看。
导入编号
([W，pvalue ]=scipy.stats.morestats.Shapiro (numpy.log ) ) ) ) ) ) ) ) ) ) ) ) ) ) )。
用同样的方法说明——。 我只是用已知的对数正态分布模拟进行了测试，在NP.log(x )测试中得到了0.17个p值，在标准shapiro(x )测试中得到了接近0的数字。 这表明对数正态分布是更好的选择，正态分布失败较大。
我把你要找的东西简单化了。 在其他版本中，您可能需要沿着Q-Q图https://en.Wikipedia.org/wiki/q-q _ plot的根目录进行更多的工作，而不是遵循我提出的一些测试。 这意味着有想要适应的分布图和数据图。 我来介绍一个简单的例子。 如果可以的话，请走这条路。 导入编号为NP
导入实验室
import scipy.stats as stats
my data=whateverdatayouarelookingtofittoadistribution
stats.probplot(mydata，dist='norm '，plot=pylab ) )。
pylab.show (
上述代码是scipy库中dist='norm '的任何内容http://docs.scipy.org/doc/scipy/reference/tutorial/stats/continuous/continuououous
然后找到该scipy名称。 基于文档的形状，例如(my data，dist='loggamma '，s params=(1，1 )，plot=pylab )或studentstats ) 图中也有R^2的值。一般来说，越接近1的值越合适。
如果要继续使用数据框架，请尝试更改为PLT.hist (df [ ' frequency ' ].values )
如果这个答案回答了你的问题，请投赞成票。 )为了回答我自己的编程课题需要奖金。