Python numpy random.poisson用法及代码示例

本文简要介绍 python 语言中 numpy.random.poisson 的用法。

用法:

random.poisson(lam=1.0, size=None)

从泊松分布中抽取样本。

泊松分布是大 N 的二项分布的极限。

注意

新代码应改为使用default_rng() 实例的poisson 方法；请参阅快速入门。

参数：

lam： 浮点数或类似数组的浮点数

fixed-time 间隔中发生的预期事件数必须 >= 0。序列必须可在请求的大小上进行广播。

size： int 或整数元组，可选

输出形状。例如，如果给定的形状是 (m, n, k) ，则绘制 m * n * k 样本。如果 size 为 None(默认)，如果 lam 是标量，则返回单个值。否则，将抽取np.array(lam).size 样本。

返回：

out： ndarray 或标量

从参数化泊松分布中抽取样本。

注意：

泊松分布

\[f(k; \lambda)=\frac{\lambda^k e^{-\lambda}}{k!}\]

对于具有预期间隔 \(\lambda\) 的事件，泊松分布 \(f(k; \lambda)\) 说明了在观察间隔 \(\lambda\) 内发生 \(k\) 事件的概率。

因为输出限制在 C int64 类型的范围内，所以当 lam 在最大可表示值的 10 sigma 范围内时，会引发 ValueError。

参考：

1：

Weisstein, Eric W. “泊松分布”。来自MathWorld-A Wolfram Web 资源。http://mathworld.wolfram.com/PoissonDistribution.html

2：

维基百科，“Poisson distribution”，https://en.wikipedia.org/wiki/Poisson_distribution

例子：

从分布中抽取样本：

>>> import numpy as np
>>> s = np.random.poisson(5, 10000)

显示样本的直方图：

>>> import matplotlib.pyplot as plt
>>> count, bins, ignored = plt.hist(s, 14, density=True)
>>> plt.show()

为 lambda 100 和 500 绘制每 100 个值：

>>> s = np.random.poisson(lam=(100., 500.), size=(100, 2))