热线电话：13121318867

登录
首页精彩阅读Python模拟随机游走图形效果示例
Python模拟随机游走图形效果示例
2018-02-11
收藏

Python模拟随机游走图形效果示例

本文实例讲述了Python模拟随机游走图形效果。分享给大家供大家参考，具体如下：

在python中，可以利用数组操作来模拟随机游走。

下面是一个单一的200步随机游走的例子，从0开始，步长为1和-1，且以相等的概率出现。纯Python方式实现，使用了内建的 random 模块：


# 随机游走
importmatplotlib.pyplot as plt
importrandom
position=0
walk=[position]
steps=200
foriinrange(steps):
  step=1ifrandom.randint(0,1)else-1
  position+=step
  walk.append(position)
fig=plt.figure()
plt.title("www.jb51.net")
ax=fig.add_subplot(111)
ax.plot(walk)
plt.show()

第二种方式：简单的把随机步长累积起来并且可以可以使用一个数组表达式来计算。因此，我用 np.random 模块去200次硬币翻转，设置它们为1和-1，并计算累计和：

# 随机游走
importmatplotlib.pyplot as plt
importnumpy as np
nsteps=200
draws=np.random.randint(0,2, size=nsteps)
steps=np.where(draws >0,1,-1)
walk=steps.cumsum()
fig=plt.figure()
plt.title("www.jb51.net")
ax=fig.add_subplot(111)
ax.plot(walk)
plt.show()

一次模拟多个随机游走

# 随机游走
importmatplotlib.pyplot as plt
importnumpy as np
nwalks=5
nsteps=200
draws=np.random.randint(0,2, size=(nwalks, nsteps))# 0 or 1
steps=np.where(draws >0,1,-1)
walks=steps.cumsum(1)
fig=plt.figure()
plt.title("www.jb51.net")
ax=fig.add_subplot(111)
foriinrange(nwalks):
  ax.plot(walks[i])
plt.show()

当然，还可以大胆的试验其它的分布的步长，而不是相等大小的硬币翻转。你只需要使用一个不同的随机数生成函数，如 normal 来产生相同均值和标准偏差的正态分布：

steps=np.random.normal(loc=0, scale=0.25, size=(nwalks, nsteps))




CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>>   “CDA报名” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想查询CDA考试成绩，点击>>> “CDA成绩” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

▷ 想获取CDA考试时间/费用/条件/大纲/通过率，点击 >>>“CDA考试官网” 了解CDA考试详情；

matplotlib numpy 偏差 正态分布 python

数据分析咨询请扫描二维码

若不方便扫码，搜微信号：CDAshujufenxi

上一篇回归系列（一）| 怎样正确地理解线性回归
下一篇2020美国总统竞选大戏开锣，川普当选的奇迹会再发生吗？
CDA考试动态
CDA报考指南
热门栏目
最新资讯
更多
Copyright © 2015-present 北京国富如荷网络科技有限公司 All Rights Reserved.
京ICP备11001960号-9   京公网安备 11010802034615号   经营许可证编号：京B2-20210330
客服在线
立即咨询