python的numpy 能生成一定概率分布的隨機(jī)數(shù)，但如果需要更具體的概率密度，累積概率，就要使用scipy.stats。scipy.stats用于統(tǒng)計(jì)分析，統(tǒng)計(jì)工具和隨機(jī)過(guò)程的概率，各個(gè)隨機(jī)過(guò)程的隨機(jī)數(shù)生成器可以從numpy.random中找到。本文介紹python中使用scipy.stats產(chǎn)生隨機(jī)數(shù)的原理及實(shí)例。

1、scipy.stats正態(tài)分步格式

scipy.stats #生成指定分布scipy.stats.poisson.rvs(loc=期望, scale=標(biāo)準(zhǔn)差, size=生成隨機(jī)數(shù)的個(gè)數(shù)) #從泊松分布中生成指定個(gè)數(shù)的隨機(jī)數(shù)

2、使用說(shuō)明

norm.rvs通過(guò)loc和scale參數(shù)可以指定隨機(jī)變量的偏移和縮放參數(shù)，這里對(duì)應(yīng)的是正態(tài)分布的期望和標(biāo)準(zhǔn)差。

size得到隨機(jī)數(shù)數(shù)組的形狀參數(shù)。

3、scipy.stats使用實(shí)例：產(chǎn)生隨機(jī)數(shù)

#1. random number#np.random.normal(loc=0.0, scale=1.0, size=None)rv_unif = st.uniform.rvs(size=10)print(rv_unif)rv_norm=st.norm.rvs(loc = 5,scale = 1,size =(2,2))print(rv_norm)rv_beta=st.beta.rvs(size=10,a=4,b=2)print(rv_beta)

到此這篇關(guān)于python中scipy.stats產(chǎn)生隨機(jī)數(shù)實(shí)例講解的文章就介紹到這了,更多相關(guān)python中如何使用scipy.stats產(chǎn)生隨機(jī)數(shù)內(nèi)容請(qǐng)搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！