如何为已有直方图实现Weibull拟合？Scipy使用问题求助

看起来你遇到的核心问题是直方图的频数尺度和Weibull概率密度函数（PDF）的概率尺度不匹配，再加上拟合参数的小细节可以优化，下面一步步帮你解决：

1. 匹配直方图与PDF的尺度 #

直方图展示的是每个区间的样本频数（即该区间内有多少个数据点），而stats.weibull_min.pdf()返回的是概率密度值（所有区间的密度积分总和为1）。要让两者在图上匹配，必须把PDF的值乘以两个关键系数：

• 样本总数（len(X)）：把概率转换为频数基数
• 直方图的组距（这里你设置的是25，因为bins=np.arange(0,1500,25)）：把密度值拉伸到对应区间的宽度

2. 优化拟合参数 #

你的数据是x>0的时间间隔，Weibull分布的位置参数loc理论上应该为0（时间间隔不可能为负），所以在fit()时指定floc=0，可以强制固定位置参数，避免拟合出不合理的loc值，让形状参数shape和尺度参数scale的估计更准确。

完整修改后的代码 #

把所有调整整合到你的原代码中：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import scipy.stats as stats

# 读取数据
hist = pd.read_excel('Histogram/Histogram.xlsx')
X = hist['DeltaT_-250_2017']
X = X[(X > 0)]

# 绘制直方图，同时获取频数和区间信息
bin_width = 25
bins = np.arange(0, 1500, bin_width)
plt.figure(figsize=(15,4))
n, bins, patches = plt.hist(X, bins=bins, color='#0504aa', edgecolor='red', rwidth=0.8)
plt.ylabel('Number of EL')
plt.xlabel('Delta T (years CE) between EL')
plt.xlim(0, 401)
plt.xticks(np.arange(0, 401, 25))
plt.yticks(np.arange(0, max(n)+1, 1))  # 自动匹配y轴的频数范围

# Weibull 拟合与适配尺度的曲线绘制
shape, loc, scale = stats.weibull_min.fit(X, floc=0)
x = np.linspace(0, 401, 100)  # 和直方图的x轴范围保持一致
# 计算匹配频数尺度后的PDF值
pdf_values = stats.weibull_min.pdf(x, shape, loc=loc, scale=scale) * len(X) * bin_width
plt.plot(x, pdf_values, 'r-', lw=2, alpha=0.8, label=f'Weibull Fit\nshape={shape:.2f}, scale={scale:.2f}')
plt.legend()

plt.show()

为什么原来的曲线不对？ #

你之前直接绘制的是原始概率密度值，其数值范围远小于直方图的频数（比如如果你的样本数是20，组距25，那么PDF需要乘以20*25才能和直方图的高度匹配），所以看起来会是一条和直方图完全不搭的扁平线条或者错位图形。

内容的提问来源于stack exchange，提问作者Mat B