4.7 随机漫步

import random
import matplotlib.pyplot as plt
position = 0
walk = [position]
steps = 1000
for i in range(steps):
    step = 1 if random.randint(0, 1) else -1
    position += step
    walk.append(position)
print(walk)
plt.plot(walk[:100])  #对随机漫步的前100步可视化
plt.show()

4.7.1 一次性模拟多次随机漫步

等概率掷硬币实验来随机漫步：

import numpy as np
import matplotlib.pyplot as plt
nwalks = 5000
nsteps = 1000
draws = np.random.randint(0, 2, size=(nwalks, nsteps))
steps = np.where(draws > 0, 1, -1) #np.where（）是根据一个数组生成另一个新的数组
walks = steps.cumsum(1) #每行每个数是累加该行之前列的步数
print(walks.max())#计算随机步的最大值和最小值
print(walks.min())
# 在这些随机步中计算出到达30步和到达-30步的最小穿越时间
# 先检查这模拟的5000次中，有多少达到了30 和 -30 步
hits30 = (np.abs(walks >= 30).any(1))
print(hits30) #打印出来是个布尔型的数组
print(hits30.sum())
#使用布尔数组选出绝对步数超过30的步所在的行，并使用argmax获取位置
crossing_times = (np.abs(walks[hits30]) >= 30).argmax(1)
print(crossing_times.mean())
plt.plot(crossing_times[:100])
plt.show()

利用其它函数生成不同随机数来随机漫步：

#也可利用其他分布来随机漫步。只需要使用一个不同的随机数生成函数，
#比如normal，再根据特定的均值和标准差即可生成正态分布下的随机步：
import numpy as np
import matplotlib.pyplot as plt
nwalks = 5000
nsteps = 1000
steps = np.random.normal(loc=0, scale=2, size=(nwalks, nsteps))
walks = steps.cumsum(1) #每行每个数是累加该行之前列的步数
print(walks.max())#计算随机步的最大值和最小值
print(walks.min())
# 在这些随机步中计算出到达30步和到达-30步的最小穿越时间
# 先检查这模拟的5000次中，有多少达到了30 和 -30 步
hits30 = (np.abs(walks >= 30).any(1))
print(hits30) #打印出来是个布尔型的数组
print(hits30.sum())
crossing_times = (np.abs(walks[hits30]) >= 30).argmax(1)
print(crossing_times.mean())
plt.plot(crossing_times[:100])
plt.show()