如何用 seaborn 拟合泊松分布？答案

【问题标题】：How to fit a poisson distribution with seaborn?如何用 seaborn 拟合泊松分布？
【发布时间】：2016-09-26 19:01:18
【问题描述】：

我尝试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)

但我收到此错误：

AttributeError: 'poisson_gen' 对象没有属性 'fit'

其他分布（伽马等）运行良好。

【问题讨论】：

【解决方案1】：

Poisson distribution（在 scipy 中实现为scipy.stats.poisson）是discrete distribution。 scipy 中的离散分布没有fit 方法。

我对@987654324@ 函数不是很熟悉，但它似乎假设数据来自连续分布。如果是这种情况，那么即使scipy.stats.poisson 有一个fit 方法，传递给distplot 也不是一个合适的分布。

问题标题是“如何用 seaborn 拟合泊松分布？”，所以为了完整起见，这里有一种方法来绘制数据及其拟合图。 seaborn 仅用于条形图，使用@mwaskom 的建议使用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。

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

生成一些数据来处理：

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>

泊松参数的最大似然估计只是数据的平均值：

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

使用poisson.pmf()得到预期概率，乘以数据集的大小得到预期计数，然后使用matplotlib作图。条形是实际数据的计数，圆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>]

【讨论】：