来源:《利用Python进行数据分析·第2版》
我们通过模拟随机漫步来说明如何运用数组运算。先来看一个简单的随机漫步的例子:从0开始,步长1和-1出现的概率相等。
下面是一个通过内置的random模块以纯Python的方式实现1000步的随机漫步:
In [146]: position = 0
In [147]: walk = [position]
In [148]: steps = 10000
In [149]: for _ in range(steps):
...: step = 1 if random.randint(0, 1) else -1
...: position += step
...: walk.append(position)
...:
In [150]: plt.plot(walk)
根据前100个随机漫步值生成的折线图:
In [164]: plt.plot(walk[:100])
Out[164]: [<matplotlib.lines.Line2D at 0x1b114b83c08>]
不难看出,这其实就是随机漫步中各步的累计和,可以用一个数组运算来实现。因此,我用np.random模块一次性随机产生1000个“掷硬币”结果(即两个数中任选一个),将其分别设置为1或-1,然后计算累计和:
In [165]: nsteps = 1000
In [166]: draws = np.random.randint(0, 2, size=nsteps)
In [168]: steps = np.where(draws > 0, 1, -1)
In [169]: walk = steps.cumsum()
有了这些数据之后,我们就可以沿着漫步路径做一些统计工作了,比如求取最大值和最小值:
In [173]: walk.min()
Out[173]: -9
In [174]: walk.max()
Out[174]: 60
现在来看一个复杂点的统计任务——首次穿越时间,即随机漫步过程中第一次到达某个特定值的时间。假设我们想要知道本次随机漫步需要多久才能距离初始0点至少10步远(任一方向均可)。np.abs(walk)>=10可以得到一个布尔型数组,它表示的是距离是否达到或超过10,而我们想要知道的是第一个10或-10的索引。可以用argmax来解决这个问题,它返回的是该布尔型数组第一个最大值的索引(True就是最大值):
In [178]: (np.abs(walk) >= 10).argmax()
Out[178]: 297
注意,这里使用argmax并不是很高效,因为它无论如何都会对数组进行完全扫描。在本例中,只要发现了一个True,那我们就知道它是个最大值了。
一次模拟多个随机漫步
如果你希望模拟多个随机漫步过程(比如5000个),只需对上面的代码做一点点修改即可生成所有的随机漫步过程。只要给numpy.random的函数传入一个二元元组就可以产生一个二维数组,然后我们就可以一次性计算5000个随机漫步过程(一行一个)的累计和了:
In [185]: nwalks = 5000
In [186]: nsteps = 1000
In [187]: draws = np.random.randint(0, 2, size=(nwalks, nsteps))
In [189]: steps = np.where(draws > 0, 1, -1)
In [191]: walks = steps.cumsum(1)
In [192]: walks
Out[192]:
array([[ 1, 2, 3, ..., 46, 47, 46],
[ 1, 0, 1, ..., 40, 41, 42],
[ 1, 2, 3, ..., -26, -27, -28],
...,
[ 1, 0, 1, ..., 64, 65, 66],
[ 1, 2, 1, ..., 2, 1, 0],
[ -1, -2, -3, ..., 32, 33, 34]], dtype=int32)
现在,我们来计算所有随机漫步过程的最大值和最小值:
In [193]: walks.max()
Out[193]: 122
In [195]: walks.min()
Out[195]: -128
得到这些数据之后,我们来计算30或-30的最小穿越时间。这里稍微复杂些,因为不是5000个过程都到达了30。我们可以用any方法来对此进行检查:
In [202]: hits30 = (np.abs(walks) >=30).any(1)
In [203]: hits30
Out[203]: array([ True, True, True, ..., True, False, True])
In [204]: hits30.sum()
Out[204]: 3368
然后我们利用这个布尔型数组选出那些穿越了30(绝对值)的随机漫步(行),并调用argmax在轴1上获取穿越时间:
In [206]: crossing_times = (np.abs(walks[hits30]) >= 30).argmax(1)
In [207]: crossing_times.mean()
Out[207]: 509.99762470308787
请尝试用其他分布方式得到漫步数据。只需使用不同的随机数生成函数即可,如normal用于生成指定均值和标准差的正态分布数据:
In [208]: steps = np.random.normal(loc=0, scale=0.25, size=(nwalks, nsteps))
In [209]: steps
Out[209]:
array([[-0.20472197, -0.03407671, -0.24781626, ..., 0.22195392,
0.21250584, 0.43994277],
[-0.09066595, 0.04741116, 0.09872352, ..., 0.10684413,
0.2540548 , -0.22255203],
[ 0.00942324, 0.03418277, -0.42305453, ..., -0.05711872,
-0.11820873, -0.71117832],
...,
[ 0.1230118 , -0.18155722, 0.12782267, ..., 0.0730254 ,
0.06546779, 0.47920034],
[-0.20550269, 0.16459572, -0.03138668, ..., 0.06915243,
0.07831634, 0.27554056],
[-0.23056172, 0.28924403, 0.08444807, ..., -0.27018412,
-0.02140732, 0.06343304]])