Qiita Teams that are logged in
You are not logged in to any team

Log in to Qiita Team
Community
OrganizationAdvent CalendarQiitadon (β)
Service
Qiita JobsQiita ZineQiita Blog
571
Help us understand the problem. What is going on with this article?
@yubais

Numpyによる乱数生成まとめ

More than 3 years have passed since last update.

Python標準にも random というモジュールがあるが、ベクトル演算の可能な numpy のほうが「大量に乱数を生成してなんかの処理をする」という場合に高速に動く。あと分布関数が山ほど用意されている。

一様乱数

numpy.random.rand() で 0〜1 の一様乱数を生成する。引数を指定すれば複数の乱数を生成できる。乱数の範囲を変えたい場合は後からベクトル演算をすれば良い。

from numpy.random import *

rand()      # 0〜1の乱数を1個生成
rand(100)   # 0〜1の乱数を100個生成
rand(10,10) # 0〜1の乱数で 10x10 の行列を生成

rand(100) * 40 + 30 # 30〜70の乱数を100個生成

特定の分布関数に従う乱数

どれも size=(10,10) などと引数を指定すれば、任意の個数の乱数を生成できる。

from numpy.random import *

""" 標準正規分布。いわゆるガウシアン。標準正規分布ならば randn() で、平均・分散を指定したい場合は normal() を用いる。"""
randn()         # 標準正規分布 (平均0, 標準偏差1)
randn(10)       # 標準正規分布を10個生成
randn(10,10)    # 標準正規分布による 10x10 の行列

normal(50,10)   # 平均50、標準偏差10の正規分布

""" 二項分布。確率pでオモテが出るコインをn回投げて、オモテが出る個数。 """
binomial(n=100, p=0.5)

""" ポアソン分布。稀にしか起きない現象を長時間観測したときに起きる回数の分布。λはその平均。 """
poisson(lam=10)     # λ=10 のポアソン分布

""" ベータ分布。二項分布の共役事前分布などに用いる。"""
beta(a=3, b=5)      # a=3, b=5 のベータ分布

他にもχ分布、ディリクレ分布、指数分布、F分布、ガンマ分布、幾何分布、ガンベル分布、超幾何分布、ラプラス分布、ロジスティック分布、対数正規分布... など山ほどある。詳しくはこのへんを参照。
http://docs.scipy.org/doc/numpy/reference/routines.random.html

整数

from numpy.random import *

randint(100)            #  0〜99 の整数を1個生成
randint(30,70)          # 30〜69 の整数を1個生成
randint(0,100,20)       #  0〜99 の整数を20個生成
randint(0,100,(5,5))    #  0〜99 の整数で5x5の行列を生成

random_integers(100)    # 1〜100 の整数を1個生成
random_integers(30,70)  # 30〜70 の整数を1個生成

リストからのランダム抽出

from numpy import *

city = ["Sapporo","Sendai","Tokyo","Nagoya","Kyoto","Osaka","Fukuoka"]

random.choice(city)                     # 1個をランダム抽出     
random.choice(city,10)                  # 10個をランダム抽出(重複あり)
random.choice(city,5,replace=False) # 5個をランダム抽出(重複なし)

# 確率を重み付けする場合
weight = [0.1, 0.1, 0.3, 0.1, 0.1, 0.2, 0.1]
random.choice(city, p=weight)           # 指定した確率で1個を抽出

乱数発生の初期化

Numpyで生成される乱数は擬似乱数であるため、固定したseedを指定してやれば毎回同じ乱数が出る。デバッグ時など毎回同じ乱数を出して欲しいときに使う。

from numpy.random import *

seed(100)       # 数値はなんでもいい
rand()          # 毎回同じ値を返す

分布をヒストグラムで確認

目的どおりの乱数が生成しているか不安な場合は、大量に乱数を生成してヒストグラムを描写すると良い。ここでは matplotlib というグラフ描写モジュールを用いる。

from numpy.random import *
import matplotlib.pyplot as plt

R = randn(10000)        # 標準正規分布で乱数を1万個生成
plt.hist(R, bins=100)   # 100本のヒストグラムを作成
plt.show()              # グラフを表示

output.png

応用: ランダムウォークの生成

右か左、つまり +1 か -1 の乱数列を生成し、その累積和 cumsum() をとる。

from numpy import *

L = 1000                            # 歩数
step = random.choice([-1,1],L)      # +1 or -1 をL個生成
position = cumsum(step)             # 位置の変化

output.png

571
Help us understand the problem. What is going on with this article?
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
yubais
Webアプリ作る学生 → Python使う研究者 → SF書く小説家。

Comments

No comments
Sign up for free and join this conversation.
Sign Up
If you already have a Qiita account Login
571
Help us understand the problem. What is going on with this article?