本文用Python模擬隨機漫步行為，
1 使用內建的的random模塊
import random
position = 0
walk = [position]
steps = 1000
for i in range(steps):
step = 1 if random.randint(0, 1) else -1
position += step
walk.append(position)
random模塊每次只能生成一個樣本值，效率很低，如果要生成大量樣本值，可用numpy.random模塊，
可用下面的代碼測驗兩者生成\(1,000,000\)個樣本值的速度：
import numpy as np
from random import normalvariate
N = 1000000
%timeit samples = [normalvariate(0, 1) for _ in range(N)]
%timeit np.random.normal(size=N)
輸出：
1.17 s ± 14.6 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
34.1 ms ± 504 μs per loop (mean ± std. dev. of 7 runs, 10 loops each)
2 使用numpy.random
import numpy as np
np.random.seed(12345)
nsteps = 1000
draws = np.random.randint(0, 2, size=nsteps)
steps = np.where(draws > 0, 1, -1)
walk = steps.cumsum()
注意，random.randint(a,b)函式生成的是\([a,b]\)之間的整數，而numpy.random.randint(a,b)生成的是\([a,b)\)之間的整數，
最終生成的walk為numpy.ndarray型別的資料，可以看一下最小和最大到達的地方，以及在何時首先偏離原點10的距離，
print(walk.min())
print(walk.max())
print((np.abs(walk) >= 10).argmax())
輸出：
-3
31
37
3 同時模擬多個隨機漫步
使用numpy.random()可以同時模擬多個隨機漫步，這里同時模擬\(5,000\)個，步長依舊設為\(1,000\)，
nwalks = 5000
nsteps = 1000
draws = np.random.randint(0, 2, size=(nwalks, nsteps)) # 0 or 1
steps = np.where(draws > 0, 1, -1)
walks = steps.cumsum(axis=1)
得到的walks，是一個\(5,000\times 1,000\)的矩陣，也是numpy.ndarray型別的資料，
一共有多少次隨機漫步，達到過偏離原點30的距離？
hits30 = (np.abs(walks) >= 30).any(1)
hits30
hits30.sum() # Number that hit 30 or -30
輸出：
3412
在這些隨機漫步程序中，平均用了多少步才偏離原點30？
crossing_times = (np.abs(walks[hits30]) >= 30).argmax(1)
crossing_times.mean()
輸出：
497.04103165298943
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/270621.html
標籤：Python
上一篇：Python-global、nonlocal、函式嵌套-Python自學筆記3
下一篇：odoo中欄位列舉