Scipy Gumbel拟合失效 数组/DataFrame格式与拟合校验问题

拟合效果差的核心问题不是sns.histplot的stat='probability'参数，而是拟合逻辑的根本性错误：

• scipy 所有连续分布的fit()方法要求输入原始一维样本观测值，也就是你数据集里的data["score"]序列。你当前传入的是np.histogram()返回的hist数组——这是分箱后的密度统计值，长度仅等于分箱数，本质是聚合后的汇总结果，不是原始样本，用这个输入拟合得到的loc、scale参数完全偏离真实分布，自然曲线和直方图完全无法匹配。
• stat='probability'确实会造成绘图尺度不匹配：该参数下直方图柱子高度是「分箱内样本数/总样本数」，代表分箱对应的样本概率，和你后续绘制的概率密度函数（PDF）物理意义、数值尺度都不一致，就算拟合参数正确，柱子和曲线的高度也无法对齐，但这不是拟合失效的核心原因。

按以下三点调整即可得到匹配的拟合结果：

• 拟合时直接传入原始样本序列，不要传入直方图统计结果，拟合前注意剔除空值避免报错
• 统一直方图和PDF的绘图尺度：将直方图的stat参数改为density，和PDF的概率密度尺度对齐；如果要保留probability模式，就将PDF值乘以分箱宽度，转换为分箱概率再绘图
• 绘图时x轴取值覆盖数据实际范围即可，无需硬编码固定区间

修正后的核心代码如下：

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

data = pd.read_csv("data.csv")
# 直接用原始样本拟合分布参数
loc, scale = ss.gumbel_r.fit(data["score"].dropna())
dist = ss.gumbel_r(loc=loc, scale=scale)

# 密度直方图和PDF尺度对齐
sns.histplot(data["score"], stat='density', label='原始数据密度分布')
# 按数据实际范围生成绘图x轴序列
x = np.linspace(data["score"].min(), data["score"].max(), 1000)
plt.plot(x, dist.pdf(x), color='crimson', linewidth=2, label='拟合Gumbel_r分布PDF')
plt.legend()
plt.show()

如果修正后曲线形态依然和直方图差异较大，说明Gumbel_r本身的分布特性和你的数据不匹配（比如Gumbel_r是右偏分布，你的数据峰值在0.09属于明显左偏），需要更换其他候选分布重新拟合。

你的实现思路大方向正确，但有几个关键细节如果忽略，会得到完全无效的检验结果：

• 分箱必须满足约束：所有分箱对应的理论期望频数不能小于5，否则卡方分布的近似前提不成立，需要把尾部频数过低的相邻分箱合并后再计算；同时统计实际观测频数、计算理论期望频数时必须使用完全一致的分箱区间。
• 自由度必须手动修正：卡方检验的自由度为「有效分箱数 - 1 - 估计的分布参数个数」，比如Gumbel_r拟合了loc、scale2个参数，调用scipy.stats.chisquare时需要设置ddof=2，该函数默认ddof=0，会高估检验统计量的p值，造成“拟合效果好”的假阳性结果。
• 优化建议：卡方检验结果对分箱方式非常敏感，连续分布的拟合优度评估建议搭配K-S检验、AD检验做交叉验证，其中AD检验对分布尾部的差异敏感度更高，结果更稳定。

内容的提问来源于stack exchange，提问作者mortom123