The 泊松分布(在 scipy 中实现为scipy.stats.poisson) is a discrete分配。 scipy 中的离散分布没有fit
method.
我不太熟悉seaborn.distplot函数,但似乎假设数据来自连续分布。如果真是这样的话,那么即使scipy.stats.poisson
had a fit
方法,这不是传递给的合适分布distplot
.
问题标题是“如何使用seaborn拟合泊松分布?”,因此为了完整起见,这里有一种获取数据及其拟合图的方法。seaborn
仅用于条形图,使用@mwaskom的建议来使用seaborn.countplot
。拟合实际上很简单,因为泊松分布的最大似然估计只是数据的平均值。
一、进口:
In [136]: import numpy as np
In [137]: from scipy.stats import poisson
In [138]: import matplotlib.pyplot as plt
In [139]: import seaborn
生成一些数据以供使用:
In [140]: x = poisson.rvs(0.4, size=100)
这些是中的值x
:
In [141]: k = np.arange(x.max()+1)
In [142]: k
Out[142]: array([0, 1, 2, 3])
Use seaborn.countplot
绘制数据:
In [143]: seaborn.countplot(x, order=k, color='g', alpha=0.5)
Out[143]: <matplotlib.axes._subplots.AxesSubplot at 0x114700490>
泊松参数的最大似然估计就是数据的平均值:
In [144]: mlest = x.mean()
Use poisson.pmf()
以获得预期概率,并乘以数据集的大小以获得预期计数,然后使用matplotlib
。条形是实际数据的计数,点是拟合分布的预期计数:
In [145]: plt.plot(k, poisson.pmf(k, mlest)*len(x), 'go', markersize=9)
Out[145]: [<matplotlib.lines.Line2D at 0x114da74d0>]