numpy 中的随机数生成器答案

【问题标题】：The random number generator in numpynumpy 中的随机数生成器
【发布时间】：2015-04-22 18:35:16
【问题描述】：

我正在使用numpy.random.randn和numpy.random.rand来生成随机数。我对random.randn 和random.rand 之间的区别感到困惑？

【问题讨论】：

标签： numpy ipython

【解决方案1】：

docs 中提到了两者的主要区别。链接到Doc rand 和Doc randn

对于 numpy.rand，您会得到由均匀分布生成的随机值在 0 - 1

但是对于 numpy.randn，您会得到从正态分布生成的随机值，均值为 0，方差为 1。

只是一个小例子。

>>> import numpy as np
>>> np.random.rand(10)
array([ 0.63067838,  0.61371053,  0.62025104,  0.42751699,  0.22862483,
        0.75287427,  0.90339087,  0.06643259,  0.17352284,  0.58213108])
>>> np.random.randn(10)
array([ 0.19972981, -0.35193746, -0.62164336,  2.22596365,  0.88984545,
       -0.28463902,  1.00123501,  1.76429108, -2.5511792 ,  0.09671888])
>>>

如您所见，rand 为我提供了 0-1 内的值，

而 randn 为我提供了 mean == 0 和 variance == 1

的值

为了进一步解释，让我生成一个足够大的样本：

>>> a = np.random.rand(100)
>>> b = np.random.randn(100)
>>> np.mean(a)
0.50570149531258946
>>> np.mean(b)
-0.010864958465191673
>>>

您可以看到 a 的平均值接近于使用 rand 生成的0.50。另一方面，b 的平均值接近于使用 randn

生成的0.0

【讨论】：

【解决方案2】：

您可以也通过百分比点函数 (ppf) 用于正态分布，随机变量分布 ~ N(0,1)。这是一种众所周知的方法，可以将任何均匀随机变量 (0,1) 投影到 ppf 上，以获得所需累积分布的随机变量。

在 Python 中，我们可以将这个过程可视化如下：

from numpy.random import rand
import matplotlib.pyplot as plt
from scipy.stats import norm

u = rand(100000)   # uniformly distributed rvs
z = norm.ppf(u)    # ~ N(0,1) rvs

plt.hist(z,bins=100)
plt.show()

【讨论】：