如何使用seaborn拟合泊松分布？

Question

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。

- benjello

---

相关链接：https://github.com/scipy/scipy/issues/2184 - unutbu

Answer 1

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。

---

问题的标题是“如何使用seaborn拟合泊松分布？”，为了完整起见，这里提供一种获取数据及其拟合图的方法。使用@mwaskom的建议，只使用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

生成一些要处理的数据：

In [140]: x = poisson.rvs(0.4, size=100)

这些是x中的值：

In [141]: k = np.arange(x.max()+1)

In [142]: k
Out[142]: array([0, 1, 2, 3])

使用 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>

泊松分布参数的最大似然估计值就是数据的均值：

In [144]: mlest = x.mean()

使用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>]

- Warren Weckesser

---

它还可以在数据上绘制估计的概率密度函数图。是的，这似乎是一个假设。概率密度函数（PDF）意味着连续随机变量。 - ayhan

我认为使用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=）。 - mwaskom

@mwaskom 感谢您的提示。我在答案中添加了使用 countplot 生成的图表。 - Warren Weckesser

@WarrenWeckesser 很棒！ - mwaskom

这真的帮了我很多，@WarrenWeckesser。非常感谢。 - mechanical_meat