Python：从经验分布中生成随机值

发布时间：2020-12-16 22:52:19 所属栏目：Python 来源：网络整理

导读：在Java中,我通常依赖org.apache.commons.math3.random.EmpiricalDistribution类来执行以下操作：从观察到的数据中导出概率分布. 从此分布生成随机值. 有没有提供相同功能的Python库？似乎scipy.stats.gaussian_kde.resample做了类似的事情,但我不确定它是否

在Java中,我通常依赖org.apache.commons.math3.random.EmpiricalDistribution类来执行以下操作：

>从观察到的数据中导出概率分布.
>从此分布生成随机值.

有没有提供相同功能的Python库？似乎scipy.stats.gaussian_kde.resample做了类似的事情,但我不确定它是否实现了与我熟悉的Java类型相同的过程.

最佳答案

import numpy as np
import scipy.stats
import matplotlib.pyplot as plt

# This represents the original "empirical" sample -- I fake it by
# sampling from a normal distribution
orig_sample_data = np.random.normal(size=10000)

# Generate a KDE from the empirical sample
sample_pdf = scipy.stats.gaussian_kde(orig_sample_data)

# Sample new datapoints from the KDE
new_sample_data = sample_pdf.resample(10000).T[:,0]

# Histogram of initial empirical sample
cnts,bins,p = plt.hist(orig_sample_data,label='original sample',bins=100,histtype='step',linewidth=1.5,density=True)

# Histogram of datapoints sampled from KDE
plt.hist(new_sample_data,label='sample from KDE',bins=bins,density=True)

# Visualize the kde itself
y_kde = sample_pdf(bins)
plt.plot(bins,y_kde,label='KDE')
plt.legend()
plt.show(block=False)

resulting plot

new_sample_data应该从与原始数据大致相同的分布中绘制(达到KDE与原始分布的良好近似程度).

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!