Chapter4-6 随机数生成

'''
Chapter4-6 随机数生成
1.比较python标准random.normalvariate与 np.random.normal(快)
2.随机漫步
3.numpy.random函数列表

Created on 2016年12月19日

@author: Bigboy

'''
实践内容：

#-*- coding:utf-8 -*-
import numpy as np
from random import normalvariate
import datetime as dt

size = 1000000

start = dt.datetime.now()

samples = [normalvariate(0,1) for _ in xrange(size)] 
end = dt.datetime.now()
print end - start


start = dt.datetime.now()

samples = [normalvariate(0,1) for _ in xrange(size)] 
end = dt.datetime.now()
print end - start

np.random.normal(size=size)

'''
#发现两个方法事件差不多，不知是哪里有问题。
#按书上将差距应该比较大才对
out:
0:00:01.091000
0:00:01.109000

'''
#2--------------------------------------------------------------------------------
#随机漫步
import random
import matplotlib.pyplot as plt 
pos = 0
walk = [pos]
steps = 100
for i in xrange(steps):
    
    if random.randint(0,1):
        step = 1
    else: 
        step = -1
    pos += step
    walk.append(pos)
    
plt.plot(walk,'r-')
plt.show()
#结果见图片

#测试randint的用法
import numpy as np
data = np.random.randint(0,2,size=(10,10))
#randint第一个参数是下限，第二个参数上上限，size传入生成数据的维数
print data
'''
out:
[[1 1 0 1 1 1 1 1 1 0]
 [0 1 0 1 1 1 0 1 1 1]
 [1 1 1 1 0 1 1 0 0 0]
 [1 0 1 0 1 0 0 1 1 1]
 [1 0 1 0 1 1 1 0 1 0]
 [0 0 1 0 0 0 0 0 1 0]
 [1 1 1 1 0 1 1 1 1 0]
 [1 0 0 1 1 0 1 1 1 0]
 [0 1 1 1 0 1 0 0 1 1]
 [1 0 1 0 0 0 0 1 1 1]]
'''

随机漫步的结果：

函数备忘：

end