Python numpy Generator.poisson用法及代碼示例

本文簡要介紹 python 語言中 numpy.random.Generator.poisson 的用法。

用法:

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

從泊鬆分布中抽取樣本。

泊鬆分布是大 N 的二項分布的極限。

參數：

lam： 浮點數或類似數組的浮點數

fixed-time 間隔中發生的預期事件數必須 >= 0。序列必須可在請求的大小上進行廣播。

size： int 或整數元組，可選

輸出形狀。例如，如果給定的形狀是 (m, n, k) ，則繪製 m * n * k 樣本。如果 size 為 None(默認)，如果 lam 是標量，則返回單個值。否則，將抽取np.array(lam).size 樣本。

返回：

out： ndarray 或標量

從參數化泊鬆分布中抽取樣本。

注意：

泊鬆分布

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

對於具有預期間隔 \(\lambda\) 的事件，泊鬆分布 \(f(k; \lambda)\) 說明了在觀察間隔 \(\lambda\) 內發生 \(k\) 事件的概率。

因為輸出限製在 C int64 類型的範圍內，所以當 lam 在最大可表示值的 10 sigma 範圍內時，會引發 ValueError。

參考：

1：

Weisstein, Eric W. “泊鬆分布”。來自MathWorld-A Wolfram Web 資源。http://mathworld.wolfram.com/PoissonDistribution.html

2：

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

例子：

從分布中抽取樣本：

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

顯示樣本的直方圖：

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

為 lambda 100 和 500 繪製每 100 個值：

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