python之基础numpy库使用（三）

这儿为numpy基础知识的最后一弹，内容主要有线性代数运算与随机数的生成

（一）线性代数运算

线性代数运算使用方式：

import numpy.linalg as alg

(二)随机数生成

在第二篇里面用到了随机数，这儿详细介绍一下

（1）生成一个多维正态分布的随机数组

In[49]: arr=np.random.normal(size=(4,4))
In[50]: arr
Out[50]: 
array([[-0.9292644 ,  0.59667119,  0.67925201,  1.11793723],
[ 0.1951411 , -1.52496088, -1.59018192,  0.26494354],
[-2.49287385, -1.17993629, -1.01977404, -0.79471872],
[-0.47717025,  0.72125487, -1.11406275, -0.9957009 ]])

（2）部分numpy.random函数

 （2）随机漫步

生成一个随机数序列，步长随机为正负1，观察其累计求和的变化，下面为一个随机过程

import random
import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif']=['SimHei']  #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False    #用来正常显示正负号

position=0
steps=1000
walk=[position]
for i in range(steps):
    step=1 if random.randint(0,1) else -1
    position+=step
    walk.append(position)
plt.plot(walk)
plt.title('1000个数的随机漫步')
plt.show()

结果如下图：

这个时候就可以对本次随机漫步根据以上的知识做一些统计，例如极值，越过某个点的步长等，不再详述。

补充一点内容，同时实现多随机漫步，代码如下（10次随机过程），前面的代码同单次的，就不贴了

nwalks=10   #随机过程次数为10
nsteps=1000   #随机过程长度为1000
draws=np.random.randint(0,2,size=(nwalks,nsteps))
steps=np.where(draws>0,1,-1)
walks=steps.cumsum(1)
for i in walks:
    plt.plot(i)
plt.title('10次随机漫步')
plt.show()

结果如下图：