Python中随机漫步的实现

本文是对Wes McKinney《利用python进行数据分析》第二版第四章随机漫步代码实现，详见如下

#随机1次漫步，共1000步#法一
import matplotlib.pyplot as plt
import random
position=0      #定义初始位置
walk=[position]     #生成步进walk的列表
for i in range(1000):       #1000次循环step=1 if random.randint(0,1) else -1       #确定每次随机漫步的步数position+=step      #随机步进累积和walk.append(position)
plt.plot(walk[:100])        #画出前一百步
plt.show()

得到的输出结果如下：

#法二
import numpy as np
draws=np.random.randint(0,2,size=1000)     #生成只包含0或1的1*1000的列表
steps=np.where(draws>0,1,-1)     #将draws列表的0替换为-1
walk=steps.cumsum()     #walk是随机步进累积和的列表
plt.plot(walk[:100])
plt.show()
print(walk.min())     #寻找最小步数
print(walk.max())      #寻找最大步数
print((np.abs(walk)>=10).argmax())     #寻找何时朝某方向首次破10步

利用法二得到的输出结果如下：

若目标是实现多次随机漫步，比如5000次，每次仍步进1000步，则

#模拟5000次随机漫步，每次1000步
ndraws=np.random.randint(0,2,size=(5000,1000))     #生成newdraws列表，维度5000*1000
nsteps=np.where(ndraws>0,1,-1)
walks=nsteps.cumsum(1)     #关注列，将各行的每一列累加
print(walks)       #一个5000*1000的列表，每一行代表一次随机漫步试验，列则代表1000步数
print(walks.min())
print(walks.max())
hits30=(np.abs(walks)>=30).any(1)      #关注列，对各行每一列检查有无>=30的值，any是或运算，返回布尔值
print(hits30)       #即检查5000次试验，哪几次有超过30步的，把这几次筛出来
print(hits30.sum())     #判断总共有多少次>=30的试验
crossing_times=(np.abs(walks[hits30])>=30).argmax(1)
print(crossing_times.mean())        #计算平均穿越30步所需要用的步数

几次console的结果如下：

-33
17
17
[[ 1  0  1 ... 40 39 38][-1 -2 -1 ... 44 43 44][-1  0 -1 ...  6  5  4]...[ 1  2  3 ... 16 15 16][ 1  2  3 ...  6  5  6][ 1  2  3 ...  2  3  4]]
-117
135
[ True  True False ... False False False]
3417
507.33128475270706

几段代码是对《利用python进行数据分析》的复现，欢迎交流：）

Python中随机漫步的实现相关推荐

Python模拟随机漫步
本文用Python模拟随机漫步行为. 1 使用内建的的random模块 import randomposition = 0 walk = [position] steps = 1000 for i i ...
【Python】随机漫步
欢迎来到博主 Apeiron 的博客,祝您旅程愉快 !时止则止,时行则行.动静不失其时,其道光明. 目录 1.缘起 2.创建 RandomWalk 类 3.随机选择方向 4.绘制随机漫步图 5.总结 ...
手把手讲解python在随机漫步理论的应用
随机漫步理论–python手把手讲解随机漫步理论是由Karl Pearson 于1905年提出的,它是一种变化形式,在运动过程中每一步都是随机,没有明确的方向.这个在自然界.物理学.生物学.化学和经 ...
Python中随机森林的实现与解释
使用像Scikit-Learn这样的库,现在很容易在Python中实现数百种机器学习算法.这很容易,我们通常不需要任何关于模型如何工作的潜在知识来使用它.虽然不需要了解所有细节,但了解机器学习模型是如 ...
python中随机生成数字方法
在python中经常会需要随机生成一些数字,此时就需要用到python中的random模块中的randint函数了,方法如图: 此时执行程序时会随机生成闭区间1到100之间的数字,包含1和100, 但 ...
python中随机种子_Pytorch随机种子
最近在做比赛的时候,遇到了一个最好结果,但是之后无论怎样都复现不出来最好结果了.猜测是不是跟Pytorch中的随机种子有关. 训练过程在训练过程中,若相同的数据数据集,相同的训练集.测试集划分方式, ...
python中随机整数生成random.randint和random.randrange的区别
在python中,通过导入random库,就能使用randint 和 randrange这两个方法来产生随机整数.那这两个方法的区别在于什么地方呢?让我们一起来看看! 区别1--例子: randint ...
python中随机种子怎么用_Python 随机种子介绍，PyTorch 中随机种子的设置应用
随机种子是什么? 随机种子是针对随机方法而言的. 随机方法:常见的随机方法有生成随机数,以及其他的像随机排序之类的,后者本质上也是基于生成随机数来实现的.在深度学习中,比较常用的随机方法的应 ...
python中随机生成数字生成对了是猜对了_python入门（一）一个猜随机数小游戏...
#猜随机数小游戏代码如下 from random import randint num = randint(0, 100) #import random 可采用引入模块的形式写随机数代码 #num = ...
Python中随机梯度下降法
随机梯度下降法批量梯度下降使用全部的训练样本来计算梯度,并更新模型参数,因此它的每一次迭代计算量较大,但对于凸优化问题,可以保证每次迭代都朝着全局最优解的方向前进,收敛速度较快,最终收敛到的结果也比 ...

Python中随机漫步的实现

Python中随机漫步的实现

Python中随机漫步的实现相关推荐

最新文章

热门文章