第4章-1 一次模拟多个随机漫步

# -*- coding: utf-8 -*-
"""
Created on Tue Jan 03 19:56:20 2017

@author: night
"""

import numpy as np
nwalks = 5000
nsteps = 1000
draws = np.random.randint(0,2,size=(nwalks,nsteps)) #size既为5000行1000列，也就是5000次1000步的随机漫步
print draws     #draws代表了一个5000行的列表，每个列表有1000个元素，这1000个元素是有0和1随机构成
steps = np.where(draws>0,1,-1)      #当元素为1时，step为1，当元素为0时，step为-1
walks = steps.cumsum(1) #所有元素的累积和, 行axis=1，列axis=0
print walks    #walks为5000行的列表，列表中的有1000个元素，每个元素是前面所有元素的累积和
print walks.max()
print walks.min()
hits30 = (np.abs(walks)>=30).any(1) #any(1)，对每一行按指定条件进行判断，条件为>=30，当每一行中只要存在1个>=30的数，即返回True，否则当所有值都小于30时，返回False
print hits30    #可以看出是一个布尔型列表
print hits30.sum()  #True相当于1，即对1的数量求和
print walks[hits30]     
print np.abs(walks[hits30])
crossing_times = (np.abs(walks[hits30])>=30).argmax(1)  #hits30列表中True对应在walks中的列表选出来，然后对其中的元素取绝对值。再对前面的语句用argmax(1)，即提取每行中首次出现绝对值>=30的元素索引值。
print crossing_times    #返回一个列表，列表中的每一个元素由每行中首次出现绝对值>=30的索引值构成
print crossing_times.mean()