Python生成正态分布的伪数据

Question

我正在尝试生成一些数据，例如：年龄与一周内堆栈溢出花费的小时数。我尝试使用randn函数，但它不能控制生成的值的范围和值的量化。我尝试了一些算法，例如盒子加工方法，但同样的问题也出现在那里。可以生成两个均匀变量，但对正态分布值的控制是什么？有人可以解释我，我怎么可以在Python中执行此操作？

Answer 1

我认为这是你在找什么：

def get_truncated_normal(mean=0, sd=1, low=0, upp=10): 
    return truncnorm(
     (low - mean)/sd, (upp - mean)/sd, loc=mean, scale=sd) 

X = get_truncated_normal(mean=15, sd=2, low=0, upp=1000) 
a=(X.rvs(100)) 

Answer 2

Numpy的random.normal将做的伎俩。您需要提供中位数，标准差和所需的大小。

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

M = 25 
SD = 5 
n = 100 
age = np.random.normal(M, SD, n) 
sorted_age = sorted(age) 

pdf = stats.norm.pdf(sorted_age, M, SD) 
plt.plot(sorted_age, pdf) 
plt.show() 

Answer 3

我假定这两个变量是独立的。这是一种做正义年龄的方法。

>>> import numpy as np 

生成大小50位置的随机的，单变量正常样品和规模30.

>>> ages = np.random.normal(30,30,50) 

丢弃值小于零。如果你需要一些固定的样本量，那么你必须做一些更聪明的事情。

>>> ages = [age for age in ages if age>=0] 

获得最大的年龄值，知道最大的bin边界必须是什么。

>>> max(ages) 
90.513300401178611 

创建箱到指定岁，0〜1,1〜2等

>>> bins = np.arange(0,92,1) 

确认最后一个块的边界是大到足以容纳最大年龄。

>>> max(bins) 
91 

将年龄分配给垃圾箱。

>>> sample = np.digitize(ages, bins) 

显示结果。

>>> sample 
array([20, 82, 73, 21, 7, 39, 56, 23, 37, 15, 9, 21, 46, 6, 51, 13, 89, 
     47, 46, 4, 78, 33, 29, 26, 74, 72, 62, 52, 2, 48, 39, 91, 40, 38, 
     40, 12, 59, 77, 52, 65, 35, 69, 31, 74, 18], dtype=int64)