Numpy入门（三）：Numpy概率模块

go2coding

已于 2022-04-07 10:06:12 修改

阅读量2.9k

点赞数

CC 4.0 BY-SA版权

分类专栏： Numpy入门教程文章标签： numpy

于 2018-01-17 17:15:24 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_40425640/article/details/79087725

Numpy入门教程专栏收录该内容

4 篇文章

订阅专栏

本文介绍Numpy中的概率模块和线性代数模块的使用方法，包括生成不同分布类型的随机数，如二项分布、超几何分布、正态分布等，并通过实例展示了如何生成并展示正态分布数据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Numpy中经常使用到的两个模块是概率模块和线性代数模块，random 和 linalg 两个模块。

概率模块

产生二项分布的随机数：np.random.binomial(n,p,size=…)，其中n,p,size分别是每轮试验次数、概率、轮数
产生超几何分布随机数：np.random.hypergeometric(n1,n2,n,size=…)，其中参数意义分别是物件1总量、物件2总量、每次采样数、试验次数
产生N个正态分布的随机数：np.random.normal(均值，标准差，N)
产生N个对数正态分布的随机数：np.random.lognormal(mean,sigma,N)

例子

生成随机数

import numpy as np

a = np.random.random(size=10)
print a
print a.reshape(2,5)

[0.49377182 0.77456027 0.21313427 0.79165445 0.27105407 0.75815576
0.44956657 0.7455359 0.95411294 0.75944278]
[[0.49377182 0.77456027 0.21313427 0.79165445 0.27105407]
[0.75815576 0.44956657 0.7455359 0.95411294 0.75944278]]
正态分布

使用生成正态分布的数据，并展现出来：

>>> import seaborn as sns
>>> import matplotlib.pyplot as plt
>>> from scipy import stats
>>> np.random.seed(2000)
>>> zt = np.random.normal(loc = 0, scale = 1, size = 2000)
>>> sns.distplot(zt, hist = False, kde = False, fit = stats.norm, fit_kws = {'color':'black','label':'normal distribution','linestyle':'-'})
<matplotlib.axes._subplots.AxesSubplot object at 0x0C509810>
>>>
>>> plt.legend()
<matplotlib.legend.Legend object at 0x06A8BC90>
>>> plt.show()

正态分布
参考