Python 丢弃 beta 分布的随机数

Question

我有一个关于β分布和随机变量的问题。我的数据包括 2012 年至 2016 年的性能数据(按小时计算(。我每月重新计算数据，因此每个月只有一个值。之后，我创建了一个新的 df，其中包含一个月的所有值，如我的代码示例所示。

import numpy as np
import pandas as pd
from scipy.stats import beta
import matplotlib.pyplot as plt
output = pd.read_csv("./data/external/power_output_hourly.csv", delimiter=",", parse_dates=True, index_col=[0])
print(output.head())
output_month = output.resample('1M').sum()
print(output_month.head())
jan = output_month[:1]
jan = jan.append(output_month[12:13])
jan = jan.append(output_month[24:25])
jan = jan.append(output_month[36:37])
jan = jan.append(output_month[48:49])
print(jan)
...
months = [jan, feb, mar, apr, mai, jun, jul, aug, sep, okt, nov, dez] 

我的下一步是根据每个月过去的值从 beta 分布中提取随机数。因此，我想使用scipy包并numpy.random.问题是，我不知道怎么做...我只需要20个数字，但我不知道，如何确定a和b值。我只需要尝试随机值，还是可以从我过去的数据中提取相应的值？ 我感谢每一个帮助！

Answer 1

尝试使用scipy.stats.beta.fit(MONTH)拟合(=查找参数(每个月的 beta 分布。有关其输出的简短描述，请参阅此处，或阅读源代码以获取详细信息(不幸的是，文档记录不佳(。

仅供参考，在这篇文章中找到了有关拟合 beta 发行版的更多讨论，因为我自己并没有经常使用该功能。