我将合成数据拟合到scipy中的各种分布中，但是，我观察到一些意想不到的结果。我的数据包含负数，当我将这些数据与具有非负支持的分布拟合时，在确定位置和比例时，我不会得到错误。我的代码如下：

import scipy.stats as st
import numpy as np
import pandas as pd

np.random.seed(7)
test_data = pd.Series(0.5 + 0.1*np.sin(np.linspace(0, 3*np.pi, 100)) + 0.5*np.random.normal(0,1,size=100))
print(np.min(test_data))

返回：

-0.5900934692403015

确认我产生了负面观察。当我拟合scipy lognorm时，它有一个非包含非负的支持，我得到了一个违反数据界限的错误的预期结果：

st.lognorm.fit(test_data, floc=0, fscale=1)

---------------------------------------------------------------------------
FitDataError                              Traceback (most recent call last)
<ipython-input-13-fbeaae8f3c2e> in <module>
----> 1 st.lognorm.fit(test_data, floc=0, fscale=1)

~\Miniconda3\lib\site-packages\scipy\stats\_continuous_distns.py in fit(self, data, *args,**kwds)
   5087             data = data - floc
   5088         if np.any(data <= 0):
-> 5089             raise FitDataError("lognorm", lower=floc, upper=np.inf)
   5090         lndata = np.log(data)
   5091 

FitDataError: Invalid values in `data`.  Maximum likelihood estimation with 'lognorm' requires that 0.0 < x < inf for each x in `data`.

但是，使用以下分布，我能够拟合数据，尽管所有这些分布都有非负的数据边界（由其scipy文档定义）和固定的位置和规模。

st.burr.fit(test_data, floc=0, fscale=1)

st.expon.fit(test_data)

st.chi2.fit(test_data, floc=0, fscale=1)

st.invgauss.fit(test_data, floc=0, fscale=1)

st.invgamma.fit(test_data, floc=0, fscale=1)

产生：

(4.435119987970436, 0.32475585134451646, 0, 1)
(-0.5900934692403015, 1.1171187649605647)
(1.349414062500001, 0, 1)
(0.6815429687499996, 0, 1)
(2.301074218750003, 0, 1)

此外，没有任何形状参数的分布指数是可以执行的参数，这是令人惊讶的。如果有人能解释这些分布是如何能够适应的数据，尽管事实上，他们的支持边界已被违反我会非常感激。
我正在运行numpy1.19.2和scipy1.5.2
谢谢您！