我认为解决方案非常简单（假设我正确理解了您的问题）：

# for repeatability:

import numpy as np
np.random.seed(0)

from scipy.stats import poisson, uniform
sample_size = 20
maxval = 5
mu = 2.5

cutoff = poisson.cdf(maxval, mu)

# generate uniform distribution [0, cutoff):

u = uniform.rvs(scale=cutoff, size=sample_size)

# convert to Poisson:

truncated_poisson = poisson.ppf(u, mu)

然后print(truncated_poisson)：

[2. 3. 3. 2. 2. 3. 2. 4. 5. 2. 4. 2. 3. 4. 0. 1. 0. 4. 3. 4.]

你想要的可以称为 * 截断泊松分布 *，除了在这个术语的通常用法中，截断从下而不是从上发生（example）。最简单的，即使不总是最有效的，采样截断分布的方法是将所需的数组大小加倍，并且只保留落在所需范围内的元素;如果数量不够，则再增加一倍，以此类推。如下图所示：

import scipy.stats as sct

def truncated_Poisson(mu, max_value, size):
    temp_size = size
    while True:
        temp_size *= 2
        temp = sct.poisson.rvs(mu, size=temp_size)
        truncated = temp[temp <= max_value]
        if len(truncated) >= size:
            return truncated[:size]

mu = 2.5
max_value = 5
print(truncated_Poisson(mu, max_value, 20))

典型输出：[0 1 4 5 0 2 3 2 2 2 5 2 3 3 3 3 4 1 0 3] .