我正在研究预测模型。我的模型预测并不总是以标准分布的形式出现。我想转换或拟合分布值，以便分布符合钟形曲线。这就像我想要一种转换函数，将我的分布转换为钟形曲线（不一定是标准化的）。Python适合于钟形曲线的分布
例如，这里是我的分布是这样的：
注意的分布是有点歪斜，而不是完美标准/形如钟形曲线。
这是接近我想要的东西的分布看起来像：
注意：这不是完美的分布或者，只是接近
注：我并不想规范化值，只适合分布。注意目标分布没有被标准化。
我以为我可以使用scipy.norm或numpy的东西，但我似乎无法找到我想要的东西。
您可能会考虑的一种工具是Box-Cox transformation。在scipy中的实现是scipy.stats.boxcox。
下面是一个例子：
import numpy as np
from scipy.stats import boxcox, gamma
import matplotlib.pyplot as plt
# Generate a random sample that is not from a normal distribution.
np.random.seed(1234)
x = gamma.rvs(1.5, size=250)
# Transform the data.
y, lam = boxcox(x)
# Plot the histograms.
plt.subplot(2, 1, 1)
plt.hist(x, bins=21, rwidth=0.9)
plt.title('Histogram of Original Data')
plt.subplot(2, 1, 2)
plt.hist(y, bins=21, rwidth=0.9)
plt.title('Histogram After Box-Cox Transformation\n($\\lambda$ = %.4g)' % lam)
plt.tight_layout()
plt.show()
为适合您的数据正态分布看到[计算器答案]（http://stackoverflow.com/questions/20011122/fitting-a-正常分布至1D-数据）。 – qbzenker
我不认为*拟合*是正确的术语，在这里（它表明您想要从数据中确定钟形曲线的参数 - mu和sigma）。这个问题本身听起来更像是你想改变分布。 – kazemakase