我写了一个简单的随机数发生器，我如何绘制我写的函数的分布？

Question

这是我第一次写一个随机数发生器，我只是乱搞，看看我能用随机公式来做什么。

但是，我很好奇，我的功能是如何偏见，并与功能的分布（1至9之间）。 这里是我的不必要的长码：

import time 

class Random: 
    """random generator""" 

    def __init__(self): 
     """ Random()-> create a random number generator with a random seed 
     a seed is needed in order to generate random numbers""" 
     self.seed = time.time() 

    def random(self): 
     """ Random.random() -> get a random number using a formula""" 
     self.seed =(((int(self.seed)*129381249123+2019383)**0.74123)/517247) % 288371 

    def get_ran_num(self): 
     """ Random.get_ran_num() -> return a random integer from 1 thru 10""" 
     self.random() 
     return int(list(str(int(self.seed)))[3]) 


ranNum = Random() 

，如果存在一些工具，可以采取随机函数，然后运行它几千次，然后绘制它的分布这将是巨大的。

预先感谢您

P/S：我怎样才能提高我的RNG，并使其更随机呃？

Answer 1

如果你只是想要一个可视化表示，可以很容易地使用

import matplotlib.pyplot as plt 
# Random class here 
ranNum = Random() 
randNums = [ranNum.get_ran_num() for _ in range(100)] 
nums = list(range(len(randNums))) 
plt.plot(nums, randNums, 'ro') 
plt.show() 

这是对100枚随机数：

不过，我发现了一个IndexError当我去更高的范围。你或许应该解决实际算法，无论是导致该问题，但我把创可贴上的方式是：

def get_ran_num(self): 
    """ Random.get_ran_num() -> return a random integer from 1 thru 10""" 
    retval = None 
    while True: 
     try: 
      self.random() 
      retval = int(list(str(int(self.seed)))[3]) 
      break 
     except IndexError as e: 
      continue 
    return retval 

下面是100,000个随机数，这是非常好的一个情节。相互连接的线条比没有明显比其他线条更密集的是你所追求的，但是你需要做更好的熵分析来发现比快速视觉表示更有用的东西。就你而言，它看起来像6更受青睐。此外，它看起来像经常重复。

Answer 2

我会尝试random.rand和matplotlib。

import numpy as np 
import matplotlib.pyplot as plt 


N = 50 
x = np.random.rand(N) 
y = np.random.rand(N) 
colors = np.random.rand(N) 
area = np.pi * (15 * np.random.rand(N))**2 # 0 to 15 point radiuses 

plt.scatter(x, y, s=area, c=colors, alpha=0.5) 
plt.show() 

是这样的吗？

编辑：你是否想要生成伪随机数？无论如何，你需要一个移位寄存器的种子，所以在这方面，我不确定它是否是完全随机的。

Answer 3

我宁愿直方图来检查你的随机数生成器的分布的均匀性。

import numpy as np 
import matplotlib 
import matplotlib.pyplot as plt 
myarr = np.random.randint(1000, size=100000) 
plt.hist(myarr, bins=40) 
plt.show()