结合金融场景演示NumPy模块的操作（四）

结合金融场景演示NumPy模块的操作（四）

 NumPy 是 Python 的外部模块，因此使用时需要导入并且查看相应的版本信息，具体代码如下：

>>>import numpy as np    #导入NumPy模块，以np命名，因此后续使用该模块的功能时要用np而不是numpy
>>>np.__version__          #查看NumPy的版本号
'1.18.1'

一、通过NumPy生成随机数

 通过 NumPy 抽取随机样本，首先需要导入 NumPy 中的 random 子模块，具体代码如下：

>>>import numpy.random as npr

1.从正态分布随机抽样

 normal 函数用于从正态分布中随机抽取样本，其参数 loc 表示正态分布的期望值，scale 表示正态分布的标准差，size 表示随机抽样的次数。
 例：假定从均值为1、标准差为2的正态分布中抽取随机数，同时设定抽取随机数的次数为1万次，具体代码如下：

>>>x_norm = npr.normal(loc=1.0,scale=2.0,size=10000)
>>>print('从正态分布中抽样的平均值：',x_norm.mean())
>>>print('从正态分布中抽样的标准差：',x_norm.std())

从正态分布中抽样的平均值： 1.0018142712362064
从正态分布中抽样的标准差： 1.9844970435490843

 用于从标准正态分布中抽取随机数的函数有3个
① randn 函数，其主要参数d0,d1,…,dn表示输出的数组形状（d0,d1,…,dn)；② standard_normal函数，其主要参数 size 表示随机抽样的次数；③ normal 函数，此时需要令均值loc=0，标准差scale=1。
 例：分别利用 randn、standard_normal 以及 normal 函数从标准正态分布中抽取随机数，并且抽取次数依然是1万次，具体代码如下：

----------------------------------代码------------------------------
>>>x_snorm1 = npr.randn(10000)    #运用randn函数
>>>x_snorm2 = npr.standard_normal(size=10000)  #运用standard_normal函数
>>>x_snorm3 = npr.normal(loc=0,scale=1.0,size=10000)  #运用normal函数
>>>print('运用randn函数从标准正态分布中抽样的平均值：',x_snorm1.mean())
>>>print('运用randn函数从标准正态分布中抽样的标准差：',x_snorm1.std())
>>>print(