shapiro适用于n≤50的小样本，p>0.05才不拒绝正态假设；n>50时应选normaltest或anderson；boxcox要求数据全为正，yeojohnson可处理任意实数。
正态性检验该用 scipy.stats.shapiro 还是 scipy.stats.normaltest
小样本（n shapiro，它对偏离正态更敏感；大样本（n > 200）反而容易因微小偏移得到显著的 p-value ，这时 <code>normaltest（基于偏度和峰度）更稳健。注意：shapiro 要求输入长度在 3–5000 之间，超限会直接报 ValueError: Sample size must be between 3 and 5000。
实操建议：
- 先用
plt.hist(data, bins=30, density=True)+scipy.stats.norm.fit(data)叠加正态曲线肉眼初筛 - 小样本跑
scipy.stats.shapiro(data)，关注返回的pvalue是否 > 0.05 - 若
shapiro报错或样本太大，改用scipy.stats.normaltest(data)，但需知道它在重尾分布下易漏检 - 别只看 p 值——配合 Q-Q 图（
scipy.stats.probplot(data, dist="norm", plot=plt)）判断偏离模式（比如左偏、长右尾）
Box-Cox 变换前必须处理非正数据
scipy.stats.boxcox 严格要求输入所有值 > 0。遇到含零或负数的数据，常见错误是直接加常数硬凑正数，结果导致 λ 估计失真、变换后分布仍不理想。
实操建议：
- 先检查
np.min(data)：若 ≤ 0，不能直接调用boxcox - 稳妥做法是用
scipy.stats.yeojohnson——它原生支持任意实数，接口和返回值与boxcox完全一致，只需替换函数名 - 如果坚持用
boxcox，平移量不能随意定：可取offset = 1 - np.min(data)（保证最小值变成 1），但要意识到这会改变尺度，后续解释需谨慎 - 变换后务必再做一次正态性检验——Box-Cox 不保证一定成功，尤其当原始分布是双峰或严重离群时
boxcox 返回的 λ 值接近 0 时，实际用的是对数变换
boxcox 自动估计最优 λ，并在 λ → 0 时按极限定义退化为自然对数：transformed = np.log(data)。但很多人忽略这点，拿到 λ ≈ 0.002 就照公式算 (data**λ - 1)/λ，数值上几乎等价，但可读性和可复现性差。
安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。
实操建议：
- 检查
lambda_opt的绝对值：若abs(lambda_opt) ，直接用 <code>np.log(data)更清晰 - 反向还原时注意一致性：若用了对数变换，就得用
np.exp(transformed)；若用完整 Box-Cox 公式，则必须用scipy.special.inv_boxcox(transformed, lambda_opt) - λ 的置信区间可用
scipy.stats.boxcox_normmax(data, method='mle', alpha=0.05)配合 bootstrap 估算，但日常分析中通常只看点估计就够了
变换后数据的尺度丢失问题常被忽略
Box-Cox 和 Yeo-Johnson 输出的是无量纲数值，原始单位（如“万元”“毫米”）彻底消失。建模时若把变换后数据和未变换的特征（如类别变量 one-hot 后的 0/1）直接拼接，会导致模型权重不可比、特征重要性误判。
实操建议：
- 变换操作必须封装进预处理器（例如自定义
sklearn.TransformerMixin类），确保训练/预测时逻辑一致 - 避免在 pipeline 中对部分特征做 Box-Cox、其余不做标准化——统一用
StandardScaler或PowerTransformer(method='box-cox')（注意后者默认只接受正数，要设method='yeo-johnson'） - 如果最终要解释系数（如线性回归），优先考虑是否真需要变换——有时加个二次项或分箱比强行正态化更合理
Box-Cox 不是万能解药，λ 值本身就在提醒你：原始数据和正态假设之间的张力有多大。真正关键的不是让 p 值变大，而是理解为什么数据不服从正态、这种偏离对下游任务的影响是否实质存在。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
