在统计软件中3中特殊导入数据的方法包括：3. 随机数生成，也是一种高效自动生成数据的方法。今天我们使用几大统计工具分别进行演示。

在学习随机数生成数据框之前，我们先复习一下怎么在Python中导入自带数据和手工录入数据。

##导入sklearn机器学习包自带的数据集

from sklearn import datasets ##导入datasets

iris = datasets.load_iris() ##导入iris数据集

##手工录入数据

import pandas as pd ##导入pandas包

data = {'name': ['Steph', 'LeBron'],

##用字典的方式，完成数据一列一列的输入

'age': [32, 36 ],

'height': [1.92, 2.06],

'score': [97, 99]}

labels = ['a', 'b']

df1 = pd.DataFrame(data, index=labels)

##用列表labels的取值来当成每行的索引

df1

Out[9]:

name age height score

a Steph 32 1.92 97

b LeBron 36 2.06 99

##添加新行(新的观测值)

df1.loc['c'] = ['Harden', '32', 1.96, 98]

df1

Out[10]:

name age height score

a Steph 32 1.92 97

b LeBron 36 2.06 99

c Harden 32 1.96 98

接下来，我们将逐一讲解如何使用Excel、Stata、R和Python生成随机数字和数据。

一、Excel中的随机数字生成Excel，翻译成中文就是牛p的意思

Excel生成随机数字的基础函数是RAND()。RAND()：生成0-1的随机小数(8位小数)

RAND()*100：生成0-100的随机型小数(8位小数)

INT(RAND()*100)：生成0-100的随机整数

RANDBETWEEN(0, 100)：等价于上个命令，生成0-100的随机整数

RAND()*(b-a)+a：生成a到b之间的小数(8位小数)

Excel单元格中由函数生成的随机数字会随着每次新的操作而重新赋值。摁 F9 键也可以刷新数据。这个数据自动刷新被称为“自动重算”功能，可以在Excel的选项中改为“手动Manual”。如下图。

用Excel基于上面4种随机函数生成随机数字，结果如下图。

二、Stata中生成随机数字和数据商业统计软件之王 Stata

2.1 生成[a, b]之间的随机数

通过rniform(a, b)函数实现。默认a=0，b=1

. dis runiform() //返回一个7位的0-1的均匀分布随机小数

. dis 2+(5-2)*runiform() //a+(b-a)*runiform()，生成a到b之间的均匀分布随机小数

2.8006571

可以上句命令的基础上取整：

. dis int(2+(5-2)*runiform())

2

还可以通过指定seed的值来重现随机的结果(可见计算机中随机不是真正的随机，而是随机的模拟)。

. set seed 1898

. set obs 50

. gen var1 = runiform() //0-1之间的随机小数

. gen var2 = int(0+(100-0)*runiform()) //0-100之间的随机整数

*等价于 runiform(0, 100)

结果如下：

2.2 生成服从正太分布的随机数

刚才用到的函数是runiform(a, b)，同理我们可以使用rnormal(a, b)来生成服从正太分布的随机数字。这里a是均值，b是方差，默认a=0，b=1。

. dis rnormal(0, 1)

.96945125

再次同理，如果想生成服从其它分布的随机数字，自使用相应的函数即可。具体可以参考Stata的帮助文件，如下图。

三、R语言中的随机数生成开源统计之王 R语言

3.1 均匀分布随机数

> runif(5) ##随机生成5个0-1上服从均匀分布的数字

[1] 0.3721117 0.3533157 0.6245287 0.3629629 0.8267384

> runif(5, 2, 4) ##5个2-4的随机数字

[1] 3.577840 2.545053 3.356163 2.972466 3.524742

> x = runif(50) ##

> x

[1] 0.654313741 0.010750612 0.664279728 0.989241369

[5] 0.157953272 0.623989759 0.532645082 0.688334898

[9] 0.769586590 0.002820428 0.780777032 0.746295074

[13] 0.244242598 0.627596544 0.366842346 0.116852723

[17] 0.552604684 0.873311370 0.175121613 0.718984535

[21] 0.623732384 0.486349491 0.348247474 0.138669228

[25] 0.507153874 0.744990666 0.639488049 0.537489866

[29] 0.587281579 0.488738336 0.778982250 0.254766294

[33] 0.837063889 0.311226703 0.649325096 0.549533070

[37] 0.572817273 0.171129134 0.799913099 0.030952926

[41] 0.478483926 0.721633476 0.992871828 0.960445791

[45] 0.586032312 0.556384402 0.652898723 0.620106651

[49] 0.907198983 0.571987203

3.2 正太分布随机数语法：rnorm(n, mean=0, sd=1)，n=个数；mean=均值，默认为0；sd是标准差，默认是1

原理和runif函数类似，我们在此不做演示。

至于其它类型的随机数字生成，则依靠相应的函数。原理和Stata类似。

四、在Python生成随机数字和数据

我们先说个重点，即Python中用NumPy和pandas生成一个随机的数据框。除了NumPy包的random函数，用来生成随机数另外一个重要的模块是random。Life is 苦短, you need Python!

4.1 NumPy+pandas快速生成随机数据框

这里NumPy的随机数生成函数是主力。pandas只不过起一个转换数据格式的作用而已。

NumPy重要的随机数生成函数包括：np.random.rand(d0, d1, ... , dn)：用来生成0-1的随机数字(均匀分布)；d0表示第一个维度的参数，d1表示第二个维度的参数，如此类推。

import numpy as np

import pandas as pd

##基于NumPy包生成随机数，再通过pandas转换为数据框

np.random.rand(5,2) ##生成5行2列的数组array

Out[16]:

array([[0.57167719, 0.06628198],

[0.73507217, 0.1703132 ],

[0.41942607, 0.89853925],

[0.58192626, 0.72808664],

[0.54990847, 0.29844433]])

pd.DataFrame(np.random.rand(5,2)) ##转换为5行2列的数据框

Out[17]:

0 1

0 0.365483 0.811755

1 0.211095 0.960215

2 0.537973 0.587952

3 0.607089 0.120266

4 0.269786 0.285295np.random.randn(d0, d1, ... , dn)：和上面的函数类似。区别在于生成的是服从标准正态分布的随机数。

##randn正太分布

pd.DataFrame(np.random.randn(5,2))

Out[19]:

0 1

0 -0.141764 0.453156

1 0.659923 0.246782

2 -0.898615 -1.436220

3 -1.606697 0.499991

4 -1.297734 -1.494120pn.random.randint(low [, high, size, dtype])：用来在制定范围生成随机整数。

pd.DataFrame(np.random.randint(0,100,[5,2]))

##[0,100)的5行2列随机整数

Out[20]:

0 1

0 24 44

1 56 93

2 95 90

3 42 18

4 39 90

如果要改变随机数字的范围，可以在生成的随机数字的基础上再进行运算。

4.2 Python random模块的random函数random.random()：生成一个[0, 1)之间的随机实数

random.uniform(1, 3): 生成一个1-3之间均匀分布的实数

random.randint(a, b)：生成一个介于a和b之间的整数

random.randrange(start, stop, step)：相当于从start到stop之间，按照步长step随机抽取一个整数

random.randrange(2, 10, 2) ##从2，4，6，8中随机抽取一个

Out[26]: 8

5 小结四大统计软件对比：总的来说，R语言的随机数生成效果是最好的，一个函数可以指定数字个数和分布类型。其次Stata的比较直观，效率也很高。Python的优势在于，转化为数据框很方便

随机数字的生成基于某种函数或分布，通常默认使用的是均匀分布函数，另外正太分布也很常用

Python-R-Stata-Excel多种软件交叉学习，有助于我们对统计知识和数据分析的全面理解

最后，推荐几本书籍(也是本文的参考书)，可以帮助我们触类旁通，举一反三，很好地把握融合几大软件进行学习。

-----全文结束-----