Python生成指定参数的手机日拿起次数总体数据触发断言报错如何解决

• 分布选择错误：你使用np.random.randint(0, pickups, 5000)生成0到pickups-1的均匀分布整数，该分布的均值约为pickups/2，当传入pickups=45时期望均值仅为22.5，和断言要求的45偏差超过20，自然触发均值校验失败。
• 参数未正确使用：函数定义的pop_size（总体大小）、std（标准差）两个入参完全没有被调用，反而硬编码了总体大小为5000，还在函数内部覆盖了入参std的值，不符合功能设计逻辑。
• 分布不匹配校验规则：断言要求标准差接近np.sqrt(45)，刚好符合泊松分布的特征（泊松分布的方差等于均值λ，标准差为√λ），说明题目要求生成的是均值为pickups的计数类泊松分布总体，而非均匀分布。

import numpy as np

def get_population(pickups, pop_size, std):
    # 生成均值为pickups的泊松分布总体，大小为入参指定的pop_size
    pop = np.random.poisson(lam=pickups, size=pop_size)
    mean = np.mean(pop)
    std = np.std(pop)
    return pop, mean, std

• 改用np.random.poisson生成数据，泊松分布的均值等于传入的lam参数（即输入的pickups），刚好满足均值接近45的要求，同时泊松分布的标准差为√λ，也匹配断言中标准差接近np.sqrt(45)的要求，符合手机每日拿起次数这类计数数据的分布特征。
• 总体大小使用入参pop_size，不再硬编码为5000，符合函数的参数设计逻辑。
• 生成的5000样本的实际均值和标准差误差会稳定在0.5以内，可以正常通过给出的断言校验。

内容的提问来源于stack exchange，提问作者Hefe