泊松分布密度图绘制报错求助：含代码及尝试方案

你的代码报错核心问题是np.math.factorial(x)无法处理数组输入——这个函数只能计算单个整数的阶乘，而x是长度为20的numpy数组，直接传入会触发类型错误。以下是两种可行的修正方案：

方案一：使用Scipy现成函数（推荐） #

借助scipy.stats中的泊松分布工具类，能直接计算概率质量函数（PMF）并生成样本，代码简洁高效：

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import poisson

lam = 3  # 泊松分布参数λ
x = np.arange(0, 20)

# 计算泊松分布理论概率质量函数
y = poisson.pmf(x, lam)

# 绘制理论分布点图
plt.plot(x, y, 'bo', ms=8)
plt.xlabel("随机变量取值")
plt.ylabel("概率质量")
plt.title("泊松分布(λ=3)")
plt.show()

# 生成样本并绘制直方图对比
samples = poisson.rvs(lam, size=1000)
plt.hist(samples, bins=np.arange(0, 20)-0.5, density=True, alpha=0.5, label='样本直方图')
plt.plot(x, y, 'bo-', ms=6, label='泊松PMF')
plt.xlabel("随机变量取值")
plt.ylabel("概率密度/质量")
plt.title("泊松分布样本直方图与理论分布")
plt.legend()
plt.show()

方案二：手动实现向量化阶乘计算 #

如果不想依赖Scipy，可以用numpy的gamma函数实现数组阶乘计算（因为n! = Γ(n+1)，gamma函数支持数组输入）：

import numpy as np
import matplotlib.pyplot as plt

lam = 3
x = np.arange(0, 20)

# 用gamma函数计算数组的阶乘，替代单个值的factorial函数
y = np.exp(-lam) * (lam ** x) / np.gamma(x + 1)

# 绘制理论分布点图
plt.plot(x, y, 'bo', ms=8)
plt.xlabel("随机变量取值")
plt.ylabel("概率质量")
plt.title("泊松分布(λ=3)")
plt.show()

# 生成样本并绘制直方图对比
samples = np.random.poisson(lam, size=1000)
plt.hist(samples, bins=np.arange(0, 20)-0.5, density=True, alpha=0.5, label='样本直方图')
plt.plot(x, y, 'bo-', ms=6, label='泊松PMF')
plt.xlabel("随机变量取值")
plt.ylabel("概率密度/质量")
plt.title("泊松分布样本直方图与理论分布")
plt.legend()
plt.show()

注意事项 #

• 泊松分布是离散分布，严格来说对应的是概率质量函数(PMF)，而非连续分布的密度函数，标注时可以对应调整更准确。
• 绘制直方图时，bins=np.arange(0,20)-0.5能让直方图柱子精准对齐离散整数取值。
• density=True参数让直方图面积总和为1，方便和理论PMF直接对比。

内容的提问来源于stack exchange，提问作者Ceonas