データを対数正規にスケールします。私のアプローチは正しいのですか？

私はデータが1から500までの1次元配列を持っています。データの分布はlog-normalのように見えます。私が欲しいものデータを対数正規にスケールします。私のアプローチは正しいのですか？

が

は、私が使用するために機能するかについて確認していない（データ）をログに記録する配列を再サンプリングすることである。

私の再スケール機能は、次のようになり、しかし、私は確認していないその右の場合：

def ScaleData(dataset): 
    datas = [] 
    for x in np.nditer(dataset): 
     a = np.log(x) 
     datas.append(a) 
    return np.array(datas)

テスト：

38, 48, 39, 83, 64, 57 
goes to: 
3.63758616, 3.87120101, 3.66356165, 4.41884061, 4.15888308, 4.04305127

そうですか？あなたは対数正規分布にあなたのデータに合うようにしたい場合は

2017-11-27 K.Mapos

numpyのを扱う場合は、forループを回避しようとします。 'np.log' numpy配列で動作します。 – Sosel

1.通常の数値を使って次元を表示し、対数を使って次元を表示する2D配列では、Log-NormalとLog-Logを使用します。 2.正規化とは、データが0から1まで変化するようにデータを拡大することを意味します。 – Ehsan

@Sosel \t ありがとうございます。私は別の質問があります。どのように私は通常の値にnp.log（データセット）を変換することができますか？ –

：あなたはscipy.stats.lognorm.fit（listofdata）を使用してKalmogorov Smirnov検定でフィッティングの品質をチェックする必要がありますscipy.stats.kstest
データを変換する場合は、np.log（データセット）で十分です。

ベスト

2017-11-27 15:00:12 Paulbd

あなたの助言をありがとう。私は別の質問があります。どのように私は通常の値にnp.log（データセット）を変換することができますか？ –

答えて