NumPy 均匀分布模拟及 Seaborn 可视化教程

简介: 本文介绍了均匀分布和逻辑分布。均匀分布是连续概率分布,所有事件在指定范围内有相等概率,常用于随机数生成。其概率密度函数为 1/(b-a),其中 a 和 b 分别是下限和上限。NumPy 的 `random.uniform()` 可生成均匀分布的随机数。逻辑分布,或 Logistic 分布,常用于 S 形增长现象的建模和机器学习,如逻辑回归。它有两个参数:位置参数 loc 和尺度参数 scale。其概率密度函数涉及 1 + (x-loc)/scale 的倒数平方。

均匀分布

简介

均匀分布是一种连续概率分布,表示在指定范围内的所有事件具有相等的发生概率。它常用于模拟随机事件,例如生成随机数或选择随机样本。

参数

均匀分布用两个参数来定义:

a:下限,表示分布的最小值。

b:上限,表示分布的最大值。

公式

均匀分布的概率密度函数 (PDF) 为:

f(x) = 1 / (b - a)    for a <= x <= b

其中:

f(x):表示在区间 [a, b] 内 x 点的概率密度。

a:分布的下限。

b:分布的上限。

生成均匀分布数据

NumPy 提供了 random.uniform() 函数来生成服从均匀分布的随机数。该函数接受以下参数:

low:分布的下限,默认为 0。

high:分布的上限,默认为 1。

size:输出数组的形状。

示例:生成 10 个介于 0 到 1 之间的均匀分布随机数:

import numpy as np
data = np.random.uniform(low=0, high=1, size=10)
print(data)

可视化均匀分布

Seaborn 库提供了便捷的函数来可视化分布,包括均匀分布。

示例:绘制 1000 个介于 0 到 1 之间的均匀分布随机数的分布图:

import seaborn as sns
import numpy as np
data = np.random.uniform(low=0, high=1, size=1000)
sns.distplot(data)
plt.show()


逻辑分布

简介

逻辑分布,也称为Logistic分布,是一种连续概率分布,常用于建模具有 S 形增长特征的现象,例如生物种群增长、疫情发展等。它在机器学习中也具有广泛的应用,例如逻辑回归、神经网络等。

参数

逻辑分布用两个参数来定义:

loc:位置参数,表示分布的中心位置。默认为 0。

scale:尺度参数,控制分布的平坦程度。较大的尺度参数使分布更加平坦,两侧尾部更加分散。默认为 1。

公式

逻辑分布的概率密度函数 (PDF) 为:

f(x) = (scale / (π (1 + (x - loc) / scale)^2))    for all x

其中:

f(x):表示在所有实数 x 点的概率密度。

loc:分布的位置参数。

scale:分布的尺度参数。

相关文章
|
1天前
|
存储 Python
NumPy 教程 之 NumPy 创建数组 1
**NumPy创建数组教程:** 使用`numpy.empty`快速生成未初始化的数组,形如`numpy.empty(shape, dtype=float, order=&#39;C&#39;)`,设定数组形状、数据类型和内存排列顺序。
12 4
|
2天前
|
Python
NumPy 教程 之 NumPy 数组属性 7
NumPy教程:数组属性聚焦秩(rank)和轴(axis),表示维度数量。`ndarray.flags`揭示内存细节,如C/F_CONTIGUOUS标志指示数据连续性,OWNDATA检查内存所有权,WRITEABLE允许写入,ALIGNED确保硬件对齐,UPDATEIFCOPY涉及副本更新。
11 4
|
1天前
|
Python
NumPy 教程 之 NumPy 数组属性 8
NumPy教程讲解数组属性,数组的秩表示维度数,如一维数组秩为1,二维为2。每个线性数组是轴,二维数组由两轴组成。`x=np.array([1,2,3,4,5])`,打印`x.flags`显示数组连续性、数据所有权、可写性等信息。
9 2
|
4天前
|
存储 索引 Python
NumPy 教程 之 NumPy 数组属性 1
NumPy教程介绍数组属性:秩表示维度,如一维数组秩为1,二维为2。轴(axis)定义了数组的线性方向,axis=0操縱列,axis=1操纵行。关键属性包括:ndim-秩,shape-维度大小,size-元素总数,dtype-数据类型,itemsize-元素字节大小,flags-内存信息,real/imag-复数部分,data-元素缓冲区。
12 5
|
4天前
|
存储 C语言 Python
NumPy 教程 之 NumPy 数据类型 10
NumPy的`dtype`对象详细描述数组数据,包括类型(如整数、浮点、对象)、大小、字节顺序和结构化字段信息。构造`dtype`时可指定对齐和是否复制。例如,定义一个结构化类型`student`含字符串`name`、整数`age`和浮点数`marks`,然后创建一个数组应用该类型,输出显示结构化数据内容。
15 5
|
4天前
|
存储 C语言 Python
NumPy 教程 之 NumPy 数据类型 11
NumPy的`dtype`对象详细描述数组数据的类型、大小、字节顺序及结构。它支持布尔、整数、浮点、复数、时间和日期类型等,与C语言类型相似。通过`numpy.dtype`构造,可指定对齐和复制。每个类型有唯一字符标识,如&#39;b&#39;代表布尔,&#39;i&#39;代表有符号整数,&#39;f&#39;代表浮点数,&#39;c&#39;代表复数,&#39;S&#39;和&#39;U&#39;表示字符串,&#39;V&#39;表示原始数据。字节顺序用&#39;&lt;&#39;或&#39;&gt;&#39;标记。
9 2
|
6天前
|
存储 C语言 Python
NumPy 教程 之 NumPy 数据类型 6
NumPy的`dtype`对象详细描述数组数据,包括类型(如整数、浮点数)、大小、字节顺序和结构化类型字段。构造`dtype`使用`numpy.dtype()`,参数可指定数据类型、对齐和复制选项。实例展示了创建结构化类型`dt`,含一个`int8`类型的&#39;age&#39;字段,输出为`[(&#39;age&#39;, &#39;i1&#39;)]`。
10 1
|
3天前
|
Python
NumPy 教程 之 NumPy 数组属性 4
NumPy数组的秩表示维度数,如一维数组秩为1,二维为2。每个线性数组是轴,二维数组含两个轴。`ndarray.shape`展示数组尺寸,返回一个元组,表示行数和列数(即秩)。此属性还能改变数组大小。
12 0
|
5天前
|
存储 C语言 Python
NumPy 教程 之 NumPy 数据类型 9
NumPy的`dtype`对象详细描述数组数据,包括类型(如整数、浮点数)、大小、字节顺序和结构化类型字段。可通过`numpy.dtype()`创建,参数包括数据类型对象、对齐标志和复制选项。例如,定义一个结构化类型`student`,含`name`(字符串)、`age`(整数)和`marks`(浮点数)字段,展示了如何应用到数组。打印`student`显示字段及其类型。
12 0
|
7天前
|
存储 C语言 Python
NumPy 教程 之 NumPy 数据类型 3
NumPy 扩展了Python的数据类型,提供dtype对象描述数组内存布局,包括数据类型、大小、字节顺序等。dtype通过`numpy.dtype()`创建,如`np.dtype(np.int32)`,并支持结构化类型和子数组。字节顺序用`&lt;`(小端)或`&gt;`(大端)指定。
6 0