我正在运行一段代码,其目的是获取 float 列表/数组和相同长度的关联列表/数组作为“错误”,并根据高斯分布随机排列第一个列表。
这是代码的MWE:
import random
import numpy as np
def random_data(N, a, b):
# Generate some random data.
return np.random.uniform(a, b, N).tolist()
# Obtain values for x.
x = random_data(100, 0., 1.)
# Obtain error/sigma values for x.
x_sigma = random_data(100, 0., 0.2)
# Generate new x values shuffling each float around a
# Gaussian distribution with a given sigma.
x_gauss = random.gauss(np.array(x), np.array(x_sigma))
print x-x_gauss
我发现执行 x-x_gauss 的结果是一个 float 列表,它总是正数或负数。这意味着 random.gauss 调用总是为 x 中的每个 float 分配一个更大的新值,或者为 x< 中的所有值分配一个更小的新值/。
我希望 random.gauss 调用将 x 中的 float 围绕其值向右和向左移动,因为这是一个随机过程。
为什么这没有发生?我对流程的理解有误吗?
请您参考如下方法:
这是 definition of random.gauss :
def gauss(self, mu, sigma):
random = self.random
z = self.gauss_next
self.gauss_next = None
if z is None:
x2pi = random() * TWOPI
g2rad = _sqrt(-2.0 * _log(1.0 - random()))
z = _cos(x2pi) * g2rad
self.gauss_next = _sin(x2pi) * g2rad
return mu + z*sigma
请注意,它正在为 z 生成 一个 值,并返回 mu + z*sigma。 由于 mu 和 sigma 是 numpy 数组,因此该计算是按元素进行的。由于 sigma 为正,因此偏移 z*sigma 始终为正或负,具体取决于 z
如果您使用的是 NumPy,除非有特殊原因,否则我会使用 np.random 模块来生成这些值。这比使用调用 random.gauss 的 Python 循环更快:
import numpy as np
N = 100
x = np.random.uniform(0., 1., size=N)
x_sigma = np.random.uniform(0., 0.2, size=N)
z = np.random.normal(0, 1, size=N)
x_gauss = x + z*x_sigma
print x-x_gauss
