Question

我尝试将我的数据拟合到泊松分布中：

import seaborn as sns
import scipy.stats as stats

sns.distplot(x, kde = False, fit = stats.poisson)

但是我收到了这个错误：

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

其他分布（伽玛等）运作良好。

Answer 1

Poisson distribution（在[{3}}的scipy中实现）是scipy.stats.poisson。 scipy中的离散分布没有fit方法。

我对discrete distribution函数不太熟悉，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采用fit方法，也不适合传递给distplot。

问题标题是“如何使用seaborn拟合泊松分布？”，所以为了完整起见，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建议使用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只是数据的平均值。

首先，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仅仅是数据的平均值：

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

使用poisson.pmf()获取预期概率，并乘以数据集的大小以获得预期计数，然后使用matplotlib进行绘图。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>]