NumPy 系列(八):随机数生成与概率分布
NumPy 系列(八):随机数生成与概率分布
一、随机数在数值计算中的作用
随机数是统计分析、蒙特卡洛模拟、机器学习及数值实验的重要基础。
NumPy 通过 numpy.random 模块提供随机数生成能力,支持均匀分布、正态分布、二项分布等多种概率分布,并允许直接生成指定形状的随机数组。
需要明确的是,NumPy 生成的通常是伪随机数(Pseudorandom Numbers)。这些数值由确定性算法产生,具有适用于统计模拟的随机性特征,但并非真正不可预测的随机序列。
这一特性使随机实验能够在一定条件下重复执行。
二、随机数生成器与种子
现代 NumPy 推荐使用 np.random.default_rng() 创建随机数生成器,而非依赖旧式的全局随机状态接口。
import numpy as np
rng = np.random.default_rng(seed=42)
a = rng.random(5)
print(a)
default_rng() 返回一个 Generator 对象,负责管理随机状态并提供各种采样方法。
其底层由位生成器(BitGenerator)产生伪随机比特流,再通过不同算法转换为符合指定概率分布的数值。
当前默认使用的位生成器是 PCG64。
其中,seed 用于初始化随机状态。相同种子在相同运行环境与调用条件下,可以生成相同的随机序列。
但这种可重复性并非跨 NumPy 版本的绝对保证,因为随机数生成算法可能发生变化。
三、均匀分布与随机整数
最基础的随机数生成方式是均匀分布。
rng = np.random.default_rng(42)
# [0, 1) 区间的均匀随机数
a = rng.random((2, 3))
# [10, 20) 区间的整数
b = rng.integers(10, 20, size=5)
# [5, 10) 区间的连续均匀分布
c = rng.uniform(5, 10, size=5)
random() 默认生成区间 [0, 1) 内的浮点数。
integers() 用于生成随机整数,默认包含下界、不包含上界。
uniform() 则用于指定区间上的连续均匀分布。
这些方法都支持 size 参数,可以直接生成多维数组,而不必在 Python 中逐次调用随机数函数。
四、常见概率分布
除均匀分布外,NumPy 还支持多种具有明确数学意义的概率分布。
| 分布 | NumPy 方法 | 典型用途 |
|---|---|---|
| 正态分布 | normal() |
测量误差、统计模拟 |
| 二项分布 | binomial() |
独立伯努利试验 |
| 泊松分布 | poisson() |
固定区间内的事件计数 |
| 指数分布 | exponential() |
泊松过程中的等待时间 |
| 均匀分布 | uniform() |
随机抽样与模拟 |
例如,生成均值为 100、标准差为 15 的正态分布样本:
x = rng.normal(
loc=100,
scale=15,
size=10000
)
print(x.mean())
print(x.std())
其中,loc 指定均值,scale 指定标准差。
由于样本数量有限,实际计算出的均值和标准差通常不会与理论参数完全一致。
对于二项分布:
x = rng.binomial(
n=10,
p=0.5,
size=1000
)
这里模拟了 1000 组试验,每组包含 10 次独立伯努利试验,每次成功概率为 0.5。
不同概率分布具有不同的数学假设,不能仅根据生成结果的外观选择分布。
五、随机抽样与排列
NumPy 还提供从已有数据集合中随机选择元素的方法。
data = np.arange(10)
# 不放回抽样
sample = rng.choice(
data,
size=5,
replace=False
)
# 返回随机排列的副本
shuffled = rng.permutation(data)
choice() 支持有放回与无放回抽样,也可以通过 p 参数指定各元素的抽取概率。
permutation() 返回随机排列后的数组,而 shuffle() 则直接修改输入数组。
在数据集划分、随机实验和样本选择中,应注意区分这两种操作对原始数据的影响。
六、蒙特卡洛模拟
蒙特卡洛方法通过大量随机抽样估计难以直接计算的数学量。
例如,可以利用单位正方形内随机点落入四分之一单位圆的比例估计圆周率。
rng = np.random.default_rng(42)
n = 1_000_000
points = rng.random((n, 2))
inside = np.sum(
points[:, 0] ** 2 +
points[:, 1] ** 2 <= 1
)
pi_estimate = 4 * inside / n
print(pi_estimate)
理论上,四分之一单位圆的面积与单位正方形面积之比为 π/4。
因此,将落入圆内的样本比例乘以 4,即可得到圆周率的近似值。
随着样本数量增加,估计结果通常会趋于稳定,但误差不会严格单调下降。普通蒙特卡洛估计的典型误差规模通常与样本量平方根的倒数成正比。
七、可重复性与使用边界
实际数值实验中,随机数管理需要注意三个问题。
首先,应明确记录随机种子与软件环境,避免实验结果难以复现。
其次,并行计算不宜简单地让所有工作进程使用完全相同的随机状态,否则可能生成重复序列。NumPy 提供 SeedSequence 和生成器的 spawn() 方法,用于构建多个随机数流。
最后,NumPy 的伪随机数生成器主要面向统计模拟,并不适用于密码学、安全令牌或其他要求不可预测性的场景。
随机数的统计质量、计算性能和安全性属于不同的评价维度,不能混为一谈。
八、结语
NumPy 的随机数系统将底层伪随机序列生成与概率分布采样相分离,为数值模拟提供了统一接口。
掌握随机数生成,不仅需要理解 Generator 和种子的作用,还需要明确不同概率分布的数学含义,以及随机实验的可重复性条件。
下一篇将讨论 NumPy 的统计计算方法,介绍描述性统计、分位数、协方差与相关系数,并分析数值精度及缺失值对统计结果的影响。
下一篇:NumPy 系列(九):描述性统计、协方差与相关分析
- 点赞
- 收藏
- 关注作者
评论(0)