numpy，如何生成一组正态分布的整数

Question

用numpy 生成一组正态分布整数的最佳方法是什么？我知道我可以用这样的东西得到花车：

In [31]: import numpy as np

In [32]: import matplotlib.pyplot as plt

In [33]: plt.hist(np.random.normal(250, 1, 100))
Out[33]: 
(array([  2.,   5.,   9.,  10.,  19.,  21.,  13.,  10.,   6.,   5.]),
 array([ 247.52972483,  247.9913017 ,  248.45287858,  248.91445546,
         249.37603233,  249.83760921,  250.29918608,  250.76076296,
         251.22233984,  251.68391671,  252.14549359]),
 <a list of 10 Patch objects>)

Answer 1

很久以后才遇到这个问题，但是如果您想生成一组任意分布的整数，请使用逆 CDF（百分位数）作为关联分布，例如，scipy.stats 并从中统一绘制百分位数.然后只需转换为整数即可：

from scipy.stats import norm
import matplotlib.pyplot as plt
import numpy as np
# Generate 10000 normal random integers with specified mean (loc) and std (scale).
draw = norm.ppf(np.random.random(10000), loc=0, scale=100).astype(int)
plt.hist(draw, bins=20)

continuous distributions in scipy.stats can be found here列表，discrete distributions can be found here列表。

对于上面的示例，您可以直接从您想要的分布中提取并转换为整数，但是这种方法的好处（从 CDF 中统一采样百分位数）是它适用于任何分布，即使是你只能从数据中定义数字！

Answer 2

Binomial Distribution 是正态分布的良好离散近似值。即，

Binomial(n, p) ~ Normal(n*p, sqrt(n*p*(1-p)))

所以你可以这样做

import numpy as np
import matplotlib.pyplot as plt
from math import sqrt

bi = np.random.binomial(n=100, p=0.5, size=10000)
n = np.random.normal(100*0.5, sqrt(100*0.5*0.5), size=10000)

plt.hist(bi, bins=20, normed=True);
plt.hist(n, alpha=0.5, bins=20, normed=True);
plt.show();