Python scipy多项式pmf返回nan

我试图使用

scipy.stats

（python）中的

multinominal.pmf

函数

当我使用这个函数时，输入中的所有概率都大于零，它工作得很好。问题是当一个概率为零时，我想使用这个函数

下面的例子说明了我的意思：

In [18]: multinomial.pmf([3, 3, 0], 6, [1/3.0, 1/3.0, 1/3.0])
Out[18]: 0.027434842249657095

In [19]: multinomial.pmf([3, 3, 0], 6, [2/3.0, 1/3.0, 0])
Out[19]: nan

可以看出，在第一次所有概率都大于0的情况下，使用该函数没有问题。但是，当我将其中一个概率更改为零时，函数返回

nan

，即使通过函数也应返回

0.21948

在python中，当一个概率为零时，有没有一种方法可以计算pmf？或者是可以处理它的另一种方法，或者是该函数的解决方法

其他信息

---

示例中的函数应该返回的值是我在matlab中使用mnpdf函数计算的。然而，由于我的其余代码是用python编写的，所以我更喜欢用python来计算它。

很好！这是scipy中的一个bug。可以找到源代码

第3031至3051行：

def pmf(self, x, n, p):
    return np.exp(self.logpmf(x, n, p))

第2997至3017行：

def logpmf(self, x, n, p):
    n, p, npcond = self._process_parameters(n, p)

第2939至2958行：

def _process_parameters(self, n, p):

    p = np.array(p, dtype=np.float64, copy=True)
    p[...,-1] = 1. - p[...,:-1].sum(axis=-1)

    # true for bad p
    pcond = np.any(p <= 0, axis=-1)  # <- Here is why!!!
    pcond |= np.any(p > 1, axis=-1)

    n = np.array(n, dtype=np.int, copy=True)

    # true for bad n
    ncond = n <= 0

    return n, p, ncond | pcond

结果是

logpmf

和

pmf

返回

nan

注意，实际结果计算正确（第30202994-2995行）：

用你的价值观：

import numpy as np
from scipy.special import xlogy, gammaln

x = np.array([3, 3, 0])
n = 6
p = np.array([2/3.0, 1/3.0, 0])

result = np.exp(gammaln(n+1) + np.sum(xlogy(x, p) - gammaln(x+1), axis=-1))
print(result)

>>>0.219478737997

---

那看起来像个虫子。您能在上为这个问题创建一个问题吗？（点击绿色的“新问题”按钮。）是的，我现在就做。很棒的分析。如果您有时间，可以将此信息添加到列表中吗？

result = self._logpmf(x, n, p)

def _logpmf(self, x, n, p):
    return gammaln(n+1) + np.sum(xlogy(x, p) - gammaln(x+1), axis=-1)

import numpy as np
from scipy.special import xlogy, gammaln

x = np.array([3, 3, 0])
n = 6
p = np.array([2/3.0, 1/3.0, 0])

result = np.exp(gammaln(n+1) + np.sum(xlogy(x, p) - gammaln(x+1), axis=-1))
print(result)

>>>0.219478737997