您可以使用累积密度函数从任意分布生成随机数,如
described here.
使用直方图产生平滑的累积密度函数并非完全无关紧要;你可以使用插值例如scipy.interpolate.interp1d()来表示你的箱子中心之间的值,这对于具有相当大数量的箱子和物品的直方图是可行的.但是,您必须决定概率函数的尾部形式,即对于小于最小bin或大于最大bin的值.你可以给你的分布高斯尾巴,例如根据你的直方图拟合高斯),或者适合你的问题的任何其他形式的尾巴,或者简单地截断分布.
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()
这不会处理尾部,它可以更好地处理bin边缘,但它会让你开始使用直方图来生成具有相同分布的更多值.
附:您还可以尝试拟合由几个值描述的特定已知分布(我认为这是您在问题中提到的),但上述非参数方法更通用.