Python之数据分析（random模块的正确用法）

文章目录

一、二项分布：numpy.random.binomial(n, p, size)
二、超几何分布：numpy.random.hypergeometric(ngood, nbad, nsample, size)
三、正态分布：numpy.random.normal(size)

一、二项分布：numpy.random.binomial(n, p, size)

1、返回值： 返回包含size个的随机数数组，其中每个随机数来自n次尝试中的成功次数，p为每次尝试成功的概率

2、经典案例——猜硬币游戏
初始筹码1000，每轮猜9次，猜对5次或5次以上为赢，筹码加一，否则为输，筹码减一。
用程序模拟10000轮，记录筹码数的变化，即为binomial(9, 0.5, 10000)

3、测试代码

import numpy as np
import matplotlib.pylab as mpoutcomes = np.random.binomial(9, 0.5, 10000)  # 记录成功曲线的数据
chips = [1000]  #记录筹码的变化
for outcome in outcomes:if outcome >= 5 :chips.append(chips[-1]+1)  # 则将最后一个筹码+1else:chips.append(chips[-1] - 1)
chips = np.array(chips)  # 变成数组# 基本图形参数
mp.figure('Binomial', facecolor='lightgray')
mp.title('Binomial', fontsize=20)
mp.xlabel("Round", fontsize=14)
mp.ylabel('Chip', fontsize=14)
mp.tick_params(labelsize=10)
mp.grid(linestyle=':')

二、超几何分布：numpy.random.hypergeometric(ngood, nbad, nsample, size)

1、返回值： 返回包含size个随机数的数组，其中每个随机数来自随机抽取nsample个样本中好样本的个数，ngood个好样本，nbad个坏样本。

2、经典案例——摸球球游戏： 将25个好球和1个坏球放在一起，每一轮摸出3个球，若全为好球则加1分，若有坏球则减6分。模拟程序模拟100轮，记录分值的变化。hypergeometric(25, 1, 3, 100)

3、测试代码

import numpy as np
import matplotlib.pylab as mpoutcomes = np.random.hypergeometric(25, 1, 3, 100)  # 记录成功曲线的数据
scores = [0]  #记录得分的变化
for outcome in outcomes:if outcome == 3 :scores.append(scores[-1]+1)  # 则将最后一个筹码+1else:scores.append(scores[-1] - 6)
scores = np.array(scores)  # 变成数组# 基本图形参数
mp.figure('Hypergeometric', facecolor='lightgray')
mp.title('Hypergeometric', fontsize=20)
mp.xlabel("Round", fontsize=14)
mp.ylabel('Score', fontsize=14)
mp.tick_params(labelsize=10)
mp.grid(linestyle=':')# 绘制图像
if scores[-1] < scores[0]:  # 小于最开始的筹码数，就是输了color = 'orangered'
elif scores[-1] > scores[0]:  # 赢了color = 'limegreen'
else:color = 'dodgerblue'
mp.plot(scores, c=color, label='Chip')mp.legend()
mp.show()

三、正态分布：numpy.random.normal(size)

1、返回值： 输出包含size个随机数的数组，其中每个随机数服从标准正态分布规律，即平均值为0，标准差为1的正态分布。

2、经典案例

import numpy as np
import matplotlib.pylab as mpsamples = np.random.normal(size=10000)  # 记录成功曲线的数据
# 验证平均值和标准差（接近0和接近1）
print(samples.mean(), samples.std())# 基本图形参数
mp.figure('Standard Normal', facecolor='lightgray')
mp.title('Standard Normal', fontsize=20)
mp.xlabel("Sample", fontsize=14)
mp.ylabel('Occurrence', fontsize=14)
mp.tick_params(labelsize=10)
mp.grid(axis='y', linestyle=':')  # 只画水平网格线# 绘制图像（直方图）,100表示分成100段，normed表示按照比例显示纵坐标
mp.hist(samples, 100,edgecolor='steelblue',facecolor='deepskyblue',label="Standard Normal")mp.legend()
mp.show()

3、测试效果

Python之数据分析（random模块的正确用法）相关推荐

python中的random模块_Python内置random模块生成随机数的方法
本文我们详细地介绍下两个模块关于生成随机序列的其他使用方法. 随机数参与的应用场景大家一定不会陌生,比如密码加盐时会在原密码上关联一串随机数,蒙特卡洛算法会通过随机数采样等等.Python内置的ran ...
python random模块中的指令_10分钟让你掌握python编程中random模块功能使用，非常详细...
原标题:10分钟让你掌握python编程中random模块功能使用,非常详细 python作为一门高级编程语言,它的定位是优雅.明确和简单.阅读Python编写的代码感觉像在阅读英语一样,这让使用者可 ...
Python中的random模块
Python中的random模块用于随机数生成,对几个random模块中的函数进行简单介绍.如下: random.random() 用于生成一个0到1的随机浮点数.如: import random r ...
python中的random模块_Python中的random模块
Python 中的 random 模块 1. Python 中的 random 模块用于生成随机数.下面介绍一下 random 模块中最常用的几个函数. 2. 3. random.random 4. ...
python笔记：random模块中的函数
目录伪随机数生成器从序列中获取一个随机值生成[a,b]随机整数 [a,b]间隔k生成随机整数 [a,b]随机生产浮点数从序列(集合)中随机获取不同的10个值,结果用一个列表返回将列表中元素打 ...
random()模块随机函数的用法总结
random()是Python中生成随机数的函数,是由random模块控制,random()函数不能直接访问,需要导入random 模块,然后再通过相应的静态对象调用该方法才能实现相应的功能目录 1 ...
python生成随机数—random模块
random 模块包括返回随机数的函数,可以用于模拟或者任何产生随机输出的程序. random.random() 返回随机生成的一个实数,它在[0,1)范围内 random.randint(a, ...
python中的random模块学习
我将random模块中的各函数作为代码中的注释说明了: 下面是运行结果参考文献 http://www.jb51.net/article/50066.htm
滚雪球学 Python 之内置 random 模块
橡皮擦,一个逗趣的互联网高级网虫,新的系列,让我们一起 Be More Pythonic. 滚雪球学 Python 第二轮已完成的文章清单十二.Python 内置模块之 random 12.1 基 ...