Python随机函数竟然这么强大

平时数据分析各种分布的数据构造，特别是正态分布，那怎么生成这样的数据呢，random模块提供了非常方便的函数

#加载所需要的包
import random 
import matplotlib.pyplot as plt
import seaborn as sns

vonmisesvariate

描述：卡帕分布

语法：vonmisesvariate(mu, kappa)

data = [random.vonmisesvariate(2,2) for i in range(20000)]
#直方图
plt.hist(data, bins=100,  color="#FF0000", alpha=.7)
#密度图
sns.kdeplot(data, shade=True,color="#FF0000")

直方图

密度图

weibullvariate

描述：威布尔分布

语法：random.weibullvariate(alpha, beta)

data = [random.weibullvariate(1,2) for i in range(20000)]
#直方图
plt.hist(data, bins=100,  color="#FF0000", alpha=.7)sns.kdeplot(data, shade=True,color="#FF0000")

直方图

密度图

betavariate

描述： β分布

语法：random.betavariate(alpha, beta)

data = [random.betavariate(1,2) for i in range(20000)]
#直方图
plt.hist(data, bins=100,  color="#FF0000", alpha=.7)
#密度图
sns.kdeplot(data, shade=True,color="#FF0000")

直方图

密度图

expovariate

描述：指数分布

语法：random.expovariate(lambd)

data = [random.expovariate(2) for i in range(50000)]
#直方图
plt.hist(data, bins=100,  color="#FF0000", alpha=.7)
#密度图
sns.kdeplot(data, shade=True,color="#FF0000")

直方图

密度图

gammavariate

描述： 伽马分布

语法：random.gammavariate(alpha, beta)

data = [random.expovariate(2) for i in range(50000)]
#直方图
plt.hist(data, bins=100,  color="#FF0000", alpha=.7)
#密度图
sns.kdeplot(data, shade=True,color="#FF0000")

直方图

密度图

gauss

描述：高斯分布

语法：random.gauss(mu, sigma)

data = [random.gauss(2,2) for i in range(50000)]
#直方图
plt.hist(data, bins=100,  color="#FF0000", alpha=.7)
#密度图
sns.kdeplot(data, shade=True,color="#FF0000")

直方图

密度图

lognormvariate

描述：对数正态分布

语法：random.lognormvariate(mu, sigma)

示例：

data = [random.gauss(2,2) for i in range(50000)]
#直方图
plt.hist(data, bins=100,  color="#FF0000", alpha=.7)
#密度图
sns.kdeplot(data, shade=True,color="#FF0000")

直方图

密度图

normalvariate

描述： 正态分布

语法：random.normalvariate(mu, sigma)

data = [random.normalvariate(2,4) for i in range(20000)]
#直方图
plt.hist(data, bins=100,  color="#FF0000", alpha=.7)
#密度图
sns.kdeplot(data, shade=True,color="#FF0000")

直方图

密度图

triangular

描述：返回一个low <= N <=high的三角形分布的随机数。参数mode指明众数出现位置。

语法： random.triangular(low, high, mode)

data = [random.triangular(2,2,3) for i in range(20000)]
#直方图
plt.hist(data, bins=100,  color="#FF0000", alpha=.7)
#密度图
sns.kdeplot(data, shade=True,color="#FF0000")

直方图

密度图无法显示

paretovariate

描述：帕累托分布

语法：random.paretovariate(alpha)

data = [random.paretovariate(4) for i in range(50000)]
#直方图
plt.hist(data, bins=100,  color="#FF0000", alpha=.7)
#密度图
sns.kdeplot(data, shade=True,color="#FF0000")

直方图

密度图