如何用Scipy拟合对数正态分布？

import numpy as np
from scipy.stats import lognorm
import matplotlib.pyplot as plt

mu = 0  # 对数正态分布的均值
sigma = 1  # 对数正态分布的标准差
size = 1000  # 生成的随机数据的数量
data = np.random.lognormal(mu, sigma, size)

params = lognorm.fit(data, floc=0)  # 拟合对数正态分布的参数

x = np.linspace(data.min(), data.max(), 100)  # 生成用于绘制拟合曲线的x值
pdf = lognorm.pdf(x, *params)  # 计算拟合曲线的概率密度函数值

plt.hist(data, bins=30, density=True, alpha=0.5, label='Data')  # 绘制原始数据的直方图
plt.plot(x, pdf, 'r', label='Fitted lognorm')  # 绘制拟合曲线
plt.legend()
plt.xlabel('Value')
plt.ylabel('Probability')
plt.show()