我试图将我的数据拟合到泊松分布:
import seaborn as sns
import scipy.stats as stats
sns.distplot(x, kde = False, fit = stats.poisson)
但我遇到了这个错误:
属性错误:'poisson_gen'对象没有'fit'属性
其他分布(gamma等)工作正常。
泊松分布(在scipy中实现为scipy.stats.poisson
)是一种离散分布。Scipy中的离散分布没有fit
方法。
我对seaborn.distplot
函数不太熟悉,但它似乎假定数据来自连续分布。如果是这种情况,即使scipy.stats.poisson
有一个fit
方法,也不适合传递给distplot
。
seaborn.countplot
绘制条形图。拟合实际上很简单,因为泊松分布的最大似然估计值就是数据的平均值。
首先,导入:
In [136]: import numpy as np
In [137]: from scipy.stats import poisson
In [138]: import matplotlib.pyplot as plt
In [139]: import seaborn
In [140]: x = poisson.rvs(0.4, size=100)
x
中的值:In [141]: k = np.arange(x.max()+1)
In [142]: k
Out[142]: array([0, 1, 2, 3])
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>
In [144]: mlest = x.mean()
poisson.pmf()
获取期望概率,乘以数据集的大小以获取期望计数,然后使用matplotlib
进行绘图。 条形图是实际数据的计数,点是拟合分布的期望计数:In [145]: plt.plot(k, poisson.pmf(k, mlest)*len(x), 'go', markersize=9)
Out[145]: [<matplotlib.lines.Line2D at 0x114da74d0>]
distplot
展示离散分布是可能的,但可能需要调整多个参数。countplot
可能是更好的选择(确保使用order=
)。 - mwaskomcountplot
生成的图表。 - Warren Weckesser