如何使用seaborn拟合泊松分布？
ben*_*llo 6 poisson scipy seaborn
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)
但我得到这个错误:
AttributeError:'poisson_gen'对象没有属性'fit'
其他分布(伽马等)也很好用.
War*_*ser 11
的泊松分布(在SciPy的作为实现scipy.stats.poisson)是离散分布.scipy中的离散分布没有fit方法.
我对这个seaborn.distplot功能不太熟悉,但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fit方法,也不适合传递给它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,这是获得数据图及其拟合的一种方法. seaborn仅用于条形图,使用@ mwaskom的建议seaborn.countplot.拟合实际上是微不足道的,因为泊松分布的最大似然估计仅仅是数据的均值.
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
生成一些数据以使用:
In [140]: x = poisson.rvs(0.4, size=100)
这些是以下值x:
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仅仅是数据的均值:
In [144]: mlest = x.mean()
使用poisson.pmf()来获得预期的概率,并通过数据设置,以获得预期的计数的大小相乘,然后绘制使用matplotlib.条形图是实际数据的计数,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>]
