有人能解释scipy中超几何分布的这种奇怪行为吗?

def new_hypergeom_sf(k, *args, **kwds):
    from scipy.stats import hypergeom
    (M, n, N) = args[0:3]
    try:
        return hypergeom.sf(k, *args, **kwds)
    except Exception as inst:
        if k >= n and type(inst) == IndexError:
            return 0 ## or conversely 1 - hypergeom.cdf(k, *args, **kwds)
        else:
            raise inst

现在,如果编辑/usr/share/pyshared/scipy/stats没有问题/分布.py(或等效文件),修复程序可能位于第3966行,其中现在显示:

    place(output,cond,self._sf(*goodargs))
    if output.ndim == 0:
        return output[()]
    return output

但如果你把它改成:

    if output.ndim == 0:
        return output[()]
    place(output,cond,self._sf(*goodargs))
    if output.ndim == 0:
        return output[()]
    return output

它现在可以在没有索引器的情况下工作。基本上,如果输出是零维的,因为它没有通过检查,它会尝试调用place,失败,并且不会生成分布。(如果已经创建了以前的发行版,则不会发生这种情况,这可能是早期测试中没有捕获到这种情况的原因)_基本.py)将改变数组的元素(虽然我不确定它是否会改变维数),所以最好还是在放置后保留0 dim检查。我还没有完全测试这一点,看看这个变化是否打破了任何其他(它适用于所有离散随机变量分布),所以它可能是最好的第一次修复。

在同一部分中,此修复似乎效果更好:

class rv_discrete(rv_generic):
...
    def sf(self, k, *args, **kwds):
    ...
        if any(cond):
            place(output,cond,self._sf(*goodargs))
        if output.ndim == 0:
            return output[()]
        return output

我不懂python,但函数的定义如下: 超几何sf(x,M,n,n,loc=0)

M是有趣物体的数目,N是物体的总数,N是你“挑选一个”的频率(对不起,德国统计学家)。