Python之数据分析（random模块的正确用法）

亦凉 2022-11-26 09:56 257阅读 0赞

### 文章目录 ###

*   *   *  一、二项分布：numpy.random.binomial(n, p, size)
         *  二、超几何分布：numpy.random.hypergeometric(ngood, nbad, nsample, size)
         *  三、正态分布：numpy.random.normal(size)

### 一、二项分布：numpy.random.binomial(n, p, size) ###

**1、返回值：** 返回包含size个的随机数数组，其中每个随机数来自n次尝试中的成功次数，p为每次尝试成功的概率

**2、经典案例——猜硬币游戏**  
初始筹码1000，每轮猜9次，猜对5次或5次以上为赢，筹码加一，否则为输，筹码减一。  
用程序模拟10000轮，记录筹码数的变化，即为binomial(9, 0.5, 10000)

**3、测试代码**

import numpy as np
    import matplotlib.pylab as mp
    
    outcomes = np.random.binomial(9, 0.5, 10000)  # 记录成功曲线的数据
    chips = [1000]  #记录筹码的变化
    for outcome in outcomes:
        if outcome >= 5 :
            chips.append(chips[-1]+1)  # 则将最后一个筹码+1
        else:
            chips.append(chips[-1] - 1)
    chips = np.array(chips)  # 变成数组
    
    
    # 基本图形参数
    mp.figure('Binomial', facecolor='lightgray')
    mp.title('Binomial', fontsize=20)
    mp.xlabel("Round", fontsize=14)
    mp.ylabel('Chip', fontsize=14)
    mp.tick_params(labelsize=10)
    mp.grid(linestyle=':')

![猜硬币][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1ZpZXdpbmZpbml0ZWx5_size_16_color_FFFFFF_t_70]

### 二、超几何分布：numpy.random.hypergeometric(ngood, nbad, nsample, size) ###

**1、返回值：** 返回包含size个随机数的数组，其中每个随机数来自随机抽取nsample个样本中好样本的个数，ngood个好样本，nbad个坏样本。

**2、经典案例——摸球球游戏：** 将25个好球和1个坏球放在一起，每一轮摸出3个球，若全为好球则加1分，若有坏球则减6分。模拟程序模拟100轮，记录分值的变化。hypergeometric(25, 1, 3, 100)

**3、测试代码**

import numpy as np
    import matplotlib.pylab as mp
    
    outcomes = np.random.hypergeometric(25, 1, 3, 100)  # 记录成功曲线的数据
    scores = [0]  #记录得分的变化
    for outcome in outcomes:
        if outcome == 3 :
            scores.append(scores[-1]+1)  # 则将最后一个筹码+1
        else:
            scores.append(scores[-1] - 6)
    scores = np.array(scores)  # 变成数组
    
    
    # 基本图形参数
    mp.figure('Hypergeometric', facecolor='lightgray')
    mp.title('Hypergeometric', fontsize=20)
    mp.xlabel("Round", fontsize=14)
    mp.ylabel('Score', fontsize=14)
    mp.tick_params(labelsize=10)
    mp.grid(linestyle=':')
    
    
    # 绘制图像
    if scores[-1] < scores[0]:  # 小于最开始的筹码数，就是输了
        color = 'orangered'
    elif scores[-1] > scores[0]:  # 赢了
        color = 'limegreen'
    else:
        color = 'dodgerblue'
    mp.plot(scores, c=color, label='Chip')
    
    
    mp.legend()
    mp.show()

![摸球球][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1ZpZXdpbmZpbml0ZWx5_size_16_color_FFFFFF_t_70 1]

### 三、正态分布：numpy.random.normal(size) ###

**1、返回值：** 输出包含size个随机数的数组，其中每个随机数服从标准正态分布规律，即平均值为0，标准差为1的正态分布。

**2、经典案例**

import numpy as np
    import matplotlib.pylab as mp
    
    samples = np.random.normal(size=10000)  # 记录成功曲线的数据
    # 验证平均值和标准差（接近0和接近1）
    print(samples.mean(), samples.std())
    
    # 基本图形参数
    mp.figure('Standard Normal', facecolor='lightgray')
    mp.title('Standard Normal', fontsize=20)
    mp.xlabel("Sample", fontsize=14)
    mp.ylabel('Occurrence', fontsize=14)
    mp.tick_params(labelsize=10)
    mp.grid(axis='y', linestyle=':')  # 只画水平网格线
    
    
    # 绘制图像（直方图）,100表示分成100段，normed表示按照比例显示纵坐标
    mp.hist(samples, 100,
            edgecolor='steelblue',
            facecolor='deepskyblue',
            label="Standard Normal")
    
    
    mp.legend()
    mp.show()

**3、测试效果**  
![正态分布][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1ZpZXdpbmZpbml0ZWx5_size_16_color_FFFFFF_t_70 2]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1ZpZXdpbmZpbml0ZWx5_size_16_color_FFFFFF_t_70]: /images/20221124/7798093a50c4407b8638a3cfa4ea28f5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1ZpZXdpbmZpbml0ZWx5_size_16_color_FFFFFF_t_70 1]: /images/20221124/e58ef6208cfb4f21810ab150b6a0fade.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1ZpZXdpbmZpbml0ZWx5_size_16_color_FFFFFF_t_70 2]: /images/20221124/78cfbde4c22649e79ef1d6f4a2db9260.png