シーボンとポアソン分布を合わせるにはどうすればいいですか？

Question

私はポアソン分布に自分のデータを合わせてみてください：

import seaborn as sns 
import scipy.stats as stats 

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

をしかし、私はこのエラーを取得する：

はAttributeError：「poisson_gen」オブジェクトが属性を持っていない

他のディストリビューションを「フィット」（ガンマ、など）うまく動作します。

Answer 1

（scipy.stats.poissonとしてscipyで実装）はdiscrete distributionです。 scipyの離散分布にはfitメソッドがありません。

私はseaborn.distplot関数にはあまり慣れていませんが、データが継続的に配布されていると考えられます。その場合、scipy.stats.poissonにfitメソッドがあったとしても、それはdistplotに渡す適切な配信ではありません。

---

質問のタイトルは「？seabornとポアソン分布をフィットする方法」であるので、完全を期すために、ここではデータとそのフィットのプロットを得るための一つの方法です。 seabornは棒グラフにのみ使用され、@ mwaskomの提案ではseaborn.countplotを使用しています。ポアソン分布の最尤推定は単純にデータの平均であるため、フィッティングは実際には些細なことです。

まず、輸入：

In [136]: import numpy as np 

In [137]: from scipy.stats import poisson 

In [138]: import matplotlib.pyplot as plt 

In [139]: import seaborn 

で動作するようにいくつかのデータを生成します。

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

これらはxでの値です：プロットする

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

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

使用seaborn.countplotデータ：

In [143]: seaborn.countplot(x, order=k, color='g', alpha=0.5) 
Out[143]: <matplotlib.axes._subplots.AxesSubplot at 0x114700490> 

ポアソンパラメータの最尤推定は、単にデータの平均値である：

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

使用poisson.pmf()予想される確率を取得し、期待カウントを取得するには、データセットのサイズによって乗算しますmatplotlibを使用してプロットします。バーは、実際のデータの数であり、ドットが当てはめられた分布の予想カウントです：

In [145]: plt.plot(k, poisson.pmf(k, mlest)*len(x), 'go', markersize=9) 
Out[145]: [<matplotlib.lines.Line2D at 0x114da74d0>]