（13）numpy基础5：random模块 伪随机数生成及使用

1.numpy.random 模块 

1.1 函数详解

seed 向随机数生成器传递随机状态种子

permutation 返回一个序列的随机排序，或者返回一个乱序的整数范围序列

shuffle 随机排序一个序列

rand 从均匀分布中抽取样本

randint 据给定的范围抽取随机整数

randn 从均值0方差1的正态分布中抽取样本（MATLAB型接口）

binomial 从二项分布中抽取样本

normal 从正态（高斯）分布中抽取样本

beta 从bata分布中抽取样本

chisquare 从卡方分布中抽取样本

gamma 从伽马分布中抽取样本

uniform 从均匀[0,1）分布中抽取样本

 normal 可获得 正态分布样本数组

1.2 举例运用

import numpy as np
samples = np.random.normal(size=(4, 4)) #4x4正态分布数组
samples
#比较np.random和纯python的方式的时间
from random import normalvariate
N = 1000000
%timeit samples = [normalvariate(0, 1) for _ in range(N)]
%timeit np.random.normal(size=N) #快一个数量级，生成伪随机数
np.random.seed(1234) #获取随机数种子
rng = np.random.RandomState(1234) #创建了一个随机数生成器，使数据独立于其他的随机数状态
rng.randn(10)

import random
nwalks = 8
nsteps = 3
steps = np.random.normal(loc=0, scale=0.25,size=(nwalks, nsteps))#正态分布

 2 实例应用

2.1 随机漫步

import random
import matplotlib.pyplot as plt
position = 0
walk = [position] #定义一个数组
steps = 1000
for i in range(steps):
    step = 1 if random.randint(0, 1) else -1 #从0或1中随机获取值，为1时返回1，反之返回-1
    position += step
    walk.append(position)
plt.figure()
plt.plot(walk[:100]) #显示数组的前100个

 2.2 掷硬币版本随机漫步

import random
nsteps = 100
draws = np.random.randint(0, 2, size=nsteps)#取0或1，指定100次
steps = np.where(draws > 0, 1, -1) #满足大于0 则返回1，反之为-1
walk = steps.cumsum() #累计数组的值
walk.min()
walk.max()
(np.abs(walk) >= 6).argmax() #判断往同一方向走了6步的位置
#argmax：返回的第一个 满足 前面条件（walk的绝对值大于6）的位置，效率不高，扫描整个数组

 3 一次性模拟多次随机漫步

import random
nwalks = 5000 #行数
nsteps = 1000 #列数
draws = np.random.randint(0, 2, size=(nwalks, nsteps)) # 据给定行列返回0或1的多维数组
steps = np.where(draws > 0, 1, -1) #过滤数据
walks = steps.cumsum(1)
walks
hits30 = (np.abs(walks) >= 30).any(1) #返回 每行数组中含有满足绝对值大于30的值为true，反之为false的布尔一维数组
hits30
hits30.sum() # 判断布尔一维数组中有多少个ture，即每行中含有绝对值大于30的行数
crossing_times = (np.abs(walks[hits30]) >= 30).argmax(1) #记录每行（含有绝对值大于30的行）中绝对值大于30的值的位置
crossing_times.mean() #获取绝对值大于30的位置的均值

 小数据量的数据样例：便于理解

本篇知识点参考《利用python进行数据分析》，更多知识请阅读原书