非删失（完整）数据集

我试图使用scipy.stats.weibull_min.fit()函数来拟合一些生活数据。示例生成的数据包含在下面的values中。

values = np.array(
    [10197.8, 3349.0, 15318.6, 142.6, 20683.2, 
    6976.5, 2590.7, 11351.7, 10177.0, 3738.4]
)

我尝试使用函数拟合：

fit = scipy.stats.weibull_min.fit(values, loc=0)

结果：

(1.3392877335100251, -277.75467055900197, 9443.6312323849124)

这与1.4和10000的标称β和η值相差不远。

右删失数据

威布尔分布以其处理右删失数据的能力而闻名。这使得它在可靠性分析中非常有用。如何处理scipy.stats中的右删失数据？也就是说，曲线拟合尚未经历故障的数据？
输入表单可能如下所示：

values = np.array(
    [10197.8, 3349.0, 15318.6, 142.6, np.inf, 
    6976.5, 2590.7, 11351.7, 10177.0, 3738.4]
)

或者可能使用np.nan或者简单地使用0。
这两个np解决方案都抛出RunTimeWarning s，并且肯定不会接近正确的值。我使用数值--比如0和-1--删除了RunTimeWarning，但是返回的参数明显有缺陷。

其他软件

在一些可靠性或寿命分析软件（minitab，lifelines）中，有必要有两列数据，一列用于实际数字，另一列用于指示项目是否已失效。例如：

values = np.array(
    [10197.8, 3349.0, 15318.6, 142.6, 0, 
    6976.5, 2590.7, 11351.7, 10177.0, 3738.4]
)

censored = np.array(
    [True, True, True, True, False,
    True, True, True, True, True]
)

我在文档中没有看到这样的路径。