我的问题是如何解析scipy.stats.rv_continuous.pdf（）的参数
从字面上解释，这听起来像是你试图使用scipy.stats.rv_continuous类的pdf方法，但是在使用pdf方法之前，rv_continuous类必须被子类化和示例化。
接下来，我假设你使用rv_continuous作为引用SciPy发行版的变量，例如rv_continuous = stats.norm。你可能想跳到最后的代码，但我将首先解决每个指示问题的语句。
我试着像scipy.stats.rv_continuous.pdf(my_values, paras[0], paras[1], paras[2])那样直接解析，这将为一个点给予两个pdf值。
如果不知道rv_continuous指的是什么分布，my_values是什么分布，很难调试这个。如果rv_continuous是指SciPy分布的变量，如果my_values是标量，如果paras是rv_continuous.fit的输出，如果rv_continuous有三个参数（包括loc和scale），只会有一个输出，所以问题一定出在这里没有包括的信息上。
我也试着用这种方式解析scipy.stats.rv_continuous.pdf(my_values, paras[0], paras[1], paras[2])，但结果很奇怪。
由于这与前面的方法相同，我们希望它具有相同的行为。请考虑详细说明输出是什么，因为“怪异”可以意味着很多事情。
无论如何，这段代码听起来都很有用。对于两个不同的分布，它将分布拟合到数据，从拟合的参数创建冻结分布，并计算某个点的PDF。这两个分布具有不同数量的参数，因此您可以看到无论分布有多少参数，代码都可以工作。

import numpy as np
from scipy import stats

rng = np.random.default_rng()
data = rng.normal(size=1000)

for family_name in ['norm', 'skewnorm']:
  family = getattr(stats, family_name)
  params = family.fit(data)
  dist = family(*params)  # note use of `*` to automatically unpack `params`
  print(f"{family_name}{params}.pdf(1): {dist.pdf(1)}")

# norm(-0.004263933560864075, 0.9864850754623957).pdf(1): 0.2408655741640401
# skewnorm(-0.9815681271426395, 0.660439450142722, 1.1895346103612483).pdf(1): 0.25093359040244

字符串