我有一个数据集,其中包含 3 万名客户在 6 个月内的页面浏览量。它还包括以下内容:
- 使用的唯一操作系统数量
- 独立浏览器用户数量
- 使用的独特 cookie 的数量 所有这些数字都是在六个月内取得的。
现在我确实尝试使用以下方法进行正常测试:
from scipy.stats import normaltest
k2, p = normaltest(df)
print(p)
返回 0.0,表示数据不服从正态分布。
现在我想知道这是为什么?我认为通常随着大小的增加,我们会看到数据呈正态分布,因为数据的大小为 30k,我无法理解为什么它不是正态分布的。
我确实尝试将它们转换为 Z 分数,但仍然没有成功。我可以转换我的数据以使其具有正态分布吗?有什么方法可以做到这一点吗?
最佳答案
在我工作的领域中,我们通常对数变换数据进行异方差处理,就像您的数据一样。在我的领域(质谱),小值比大值更有可能,所以我们最终得到指数分布。
我猜您的数据看起来会像我的,在这种情况下,您需要对数据进行对数转换以使其呈正态分布。我会这样做,以便我可以应用 t 检验和其他统计模型。
有点像
df_visits = df_visits.apply(lambda x: np.log(x))
当然,在记录转换之前,您还需要去掉任何零。
关于python - 如何将数据转换为正态分布,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52389676/