可以使用累积密度函数从任意分布生成随机数,如described here。
使用直方图生成平滑的累积密度函数并不简单;您可以使用插值,例如scipy.interpolate.interp1d(),用于存储箱中心之间的值,这对于存储箱和项目数量相当大的直方图来说效果很好。然而,你必须决定概率函数尾部的形式,即对于小于或大于最大bin的值。您可以基于将高斯拟合到直方图的例子给出分布高斯尾),或者根据您的问题给出任何其他形式的尾,或者简单地截断分布。
示例:import numpy
import scipy.interpolate
import random
import matplotlib.pyplot as pyplot
# create some normally distributed values and make a histogram
a = numpy.random.normal(size=10000)
counts, bins = numpy.histogram(a, bins=100, density=True)
cum_counts = numpy.cumsum(counts)
bin_widths = (bins[1:] - bins[:-1])
# generate more values with same distribution
x = cum_counts*bin_widths
y = bins[1:]
inverse_density_function = scipy.interpolate.interp1d(x, y)
b = numpy.zeros(10000)
for i in range(len( b )):
u = random.uniform( x[0], x[-1] )
b[i] = inverse_density_function( u )
# plot both
pyplot.hist(a, 100)
pyplot.hist(b, 100)
pyplot.show()
这不处理尾部,它可以更好地处理垃圾箱边缘,但它可以让您开始使用直方图生成具有相同分布的更多值。
另外,你也可以试着用一些数值来拟合一个特定的已知分布(我认为这是你在问题中提到的),但是上面的非参数方法更通用。