快捷導航

詳解用python生成隨機數(shù)的幾種方法

更新時間：2019年08月04日 10:40:31 作者：tsz_upUP

這篇文章主要介紹了詳解用python生成隨機數(shù)的幾種方法，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

今天學習了用python生成仿真數(shù)據(jù)的一些基本方法和技巧，寫成博客和大家分享一下。

本篇博客主要講解如何從給定參數(shù)的的正態(tài)分布/均勻分布中生成隨機數(shù)以及如何以給定概率從數(shù)字列表抽取某數(shù)字或從區(qū)間列表的某一區(qū)間內(nèi)生成隨機數(shù)，按照內(nèi)容將博客分為3部分，并附上代碼。

1 從給定參數(shù)的正態(tài)分布中生成隨機數(shù)

當考慮從正態(tài)分布中生成隨機數(shù)時，應(yīng)當首先知道正態(tài)分布的均值和方差（標準差），有了這些，就可以調(diào)用python中現(xiàn)有的模塊和函數(shù)來生成隨機數(shù)了。這里調(diào)用了Numpy模塊中的random.normal函數(shù)，由于邏輯非參簡單，所有直接貼上代碼如下：

import numpy as np
 
 
# 定義從正態(tài)分布中獲取隨機數(shù)的函數(shù)
def get_normal_random_number(loc, scale):
 """
 :param loc: 正態(tài)分布的均值
 :param scale: 正態(tài)分布的標準差
 :return:從正態(tài)分布中產(chǎn)生的隨機數(shù)
 """
 # 正態(tài)分布中的隨機數(shù)生成
 number = np.random.normal(loc=loc, scale=scale)
 # 返回值
 return number
 
 
# 主模塊
if __name__ == "__main__":
 # 函數(shù)調(diào)用
 n = get_normal_random_number(loc=2, scale=2)
 # 打印結(jié)果
 print(n)
 # 結(jié)果:3.275192443463058

2 從給定參數(shù)的均勻分布中獲取隨機數(shù)的函數(shù)

考慮從均勻分布中獲取隨機數(shù)的時候，要事先知道均勻分布的下界和上界，然后調(diào)用Numpy模塊的random.uniform函數(shù)生成隨機數(shù)。

import numpy as np 
# 定義從均勻分布中獲取隨機數(shù)的函數(shù)
def get_uniform_random_number(low, high):
 """
 :param low: 均勻分布的下界
 :param high: 均勻分布的上界
 :return: 從均勻分布中產(chǎn)生的隨機數(shù)
 """
 # 均勻分布的隨機數(shù)生成
 number = np.random.uniform(low, high)
 # 返回值
 return number
 
 
# 主模塊
if __name__ == "__main__":
 # 函數(shù)調(diào)用
 n = get_uniform_random_number(low=2, high=4)
 # 打印結(jié)果
 print(n)
 # 結(jié)果:2.4462417140153114

3 按照指定概率生成隨機數(shù)

有時候我們需要按照指定的概率生成隨機數(shù)，比如已知盒子中每種顏色的球的比例，猜測下一次取出的球的顏色。在這里介紹的問題和上面的例子相似，要求給定一個概率列表，從列表對應(yīng)的數(shù)字列表或區(qū)間列表中生成隨機數(shù)，分兩部分討論。

3.1 按照指定概率從數(shù)字列表中隨機抽取數(shù)字

假設(shè)給定一個數(shù)字列表和一個與之對應(yīng)的概率列表，兩個列表對應(yīng)位置的元素組成的元組即表示該數(shù)字在數(shù)字列表中以多大的概率出現(xiàn)，那么如何根據(jù)這些已知條件從數(shù)字列表中按概率抽取隨機數(shù)呢？在這里我們考慮用均勻分布來模擬概率，代碼如下：

import numpy as np
import random
 
 
# 定義從均勻分布中獲取隨機數(shù)的函數(shù)
def get_uniform_random_number(low, high):
 """
 :param low: 均勻分布的下界
 :param high: 均勻分布的上界
 :return: 從均勻分布中產(chǎn)生的隨機數(shù)
 """
 # 均勻分布的隨機數(shù)生成
 number = np.random.uniform(low, high)
 # 返回值
 return number
 
 
# 定義從一個數(shù)字列表中以一定的概率取出對應(yīng)區(qū)間中數(shù)字的函數(shù)
def get_number_by_pro(number_list, pro_list):
 """
 :param number_list:數(shù)字列表
 :param pro_list:數(shù)字對應(yīng)的概率列表
 :return:按概率從數(shù)字列表中抽取的數(shù)字
 """
 # 用均勻分布中的樣本值來模擬概率
 x = random.uniform(0, 1)
 # 累積概率
 cum_pro = 0.0
 # 將可迭代對象打包成元組列表
 for number, number_pro in zip(number_list, pro_list):
 cum_pro += number_pro
 if x < cum_pro:
  # 返回值
  return number
 
 
# 主模塊
if __name__ == "__main__":
 # 數(shù)字列表
 num_list = [1, 2, 3, 4, 5]
 # 對應(yīng)的概率列表
 pr_list = [0.1, 0.3, 0.1, 0.4, 0.1]
 # 函數(shù)調(diào)用
 n = get_number_by_pro(number_list=num_list, pro_list=pr_list)
 # 打印結(jié)果
 print(n)
 # 結(jié)果:1

3.2 按照指定概率從區(qū)間列表中的某個區(qū)間內(nèi)生成隨機數(shù)

給定一個區(qū)間列表和一個與之對應(yīng)的概率列表，兩個列表相應(yīng)位置的元素組成的元組即表示某數(shù)字出現(xiàn)在某區(qū)間內(nèi)的概率是多少，已知這些，我們?nèi)绾紊呻S機數(shù)呢？這里我們通過兩次使用均勻分布達到目的，代碼如下：

import numpy as np
import random
 
 
# 定義從均勻分布中獲取隨機數(shù)的函數(shù)
def get_uniform_random_number(low, high):
 """
 :param low: 均勻分布的下界
 :param high: 均勻分布的上界
 :return: 從均勻分布中產(chǎn)生的隨機數(shù)
 """
 # 均勻分布的隨機數(shù)生成
 number = np.random.uniform(low, high)
 # 返回值
 return number
 
 
# 定義從一個數(shù)字列表中以一定的概率取出對應(yīng)區(qū)間中數(shù)字的函數(shù)
def get_number_by_pro(number_list, pro_list):
 """
 :param number_list:數(shù)字列表
 :param pro_list:數(shù)字對應(yīng)的概率列表
 :return:按概率從數(shù)字列表中抽取的數(shù)字
 """
 # 用均勻分布中的樣本值來模擬概率
 x = random.uniform(0, 1)
 # 累積概率
 cum_pro = 0.0
 # 將可迭代對象打包成元組列表
 for number, number_pro in zip(number_list, pro_list):
 cum_pro += number_pro
 if x < cum_pro:
  # 從區(qū)間[number. number - 1]上隨機抽取一個值
  num = get_uniform_random_number(number, number - 1)
  # 返回值
  return num
 
 
# 主模塊
if __name__ == "__main__":
 # 數(shù)字列表
 num_list = [1, 2, 3, 4, 5]
 # 對應(yīng)的概率列表
 pr_list = [0.1, 0.3, 0.1, 0.4, 0.1]
 # 函數(shù)調(diào)用
 n = get_number_by_pro(number_list=num_list, pro_list=pr_list)
 # 打印結(jié)果
 print(n)
 # 結(jié)果:3.49683787011193

以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: