一种正常、泊松和二项式分布的分布样品。
toms-dist-sampler的Python项目详细描述
Toms_Dist_采样器
简介
Tom的分布采样器使创建正态、泊松和二项式样本以及在Python中获得这些样本的汇总统计变得容易！我创建这个采样器是为了适应编写oop和发布python包。这是我第一次尝试，虽然很有趣，但我也学到了很多！如果有人发现它的实际用途（可能不太可能？）请告诉我。或者给我买杯啤酒。老实说，我宁愿喝啤酒。
安装
目前，汤姆斯蒸馏采样器仅适用于蟒蛇3号。很抱歉那些python2用户。但这可能是一个很好的升级机会！
通过PIP安装
我强烈建议您使用p i p：
p i p安装-i https://test.pypi.org/simple/toms dist sampler
或者，如果您的系统中有多个python版本：
pip3安装-i https://test.pypi.org/simple/toms dist sampler
通过Github安装
您还可以通过github进行安装，如下所示：
git clone https://github.com/Tommo565/toms_dist_sampler
cd toms_dist_sampler
python setup.py install
如果最后一行失败，可能是因为系统上安装了多个版本的python。因此，您可能还想尝试：
python3 setup.py安装
示例
采样器本身既是一组函数，又是一个类。其中的基本示例选择功能是相同的，但是在这个类中还有一些可用的选项，我将在下面介绍。你使用的应该取决于你个人的喜好。
如果使用这个包，您可能还需要了解一些底层发行版。您可以在minitab express找到一个深入的资源，或者在
分布采样器功能
我建议您使用以下约定导入：
从那里可以运行正态分布的样本，如so: 或泊松分布，如： 最后是这样的二项分布： 您还可以调用"帮助"功能以获得有关功能和参数的更详细概述： 所有样本均以numpy数组格式创建。您可以将它们转换为更传统的python列表，如下所示： 请注意，只有 与函数一样，我建议您使用以下约定导入类： 该类是灵活的，在创建实例时，您可以使用参数： 或不带： 使用参数创建实例将立即生成示例。但是，如果您创建它时不带参数并希望添加它们，则可以使用 您可以使用 注意，如果在分布类型（例如 要创建新示例，必须在按如下方式设置参数后使用 您还可以随时使用 如果您想打印您的示例，可以使用以下方法来打印示例： 这会将您的样本打印到控制台。 最后， 您还可以调用"帮助"功能以获得有关功能和参数的更详细概述： 所有样本均以numpy数组格式创建。您可以将它们转换为更传统的python列表，如下所示： 请注意，只有 使用pytest包执行测试。要运行这些命令，请导航到命令行中的 非常感谢matt upson在检查这方面的帮助。我可能欠他一杯啤酒！< < /P> 麻省理工学院
欢迎加入QQ群-->： 979659372
来自toms_dist_sampler.distribution_sampler导入distribution_sampler as ds
norm=ds（dist=normal，size=1000，mean=2，sd=5）poisson=ds（dist='poisson'，size=5000，lam=3）二项式=ds（dist=二项式，size=2500，trials=20，prob=0.2）帮助（DS）norm = ds(dist='Normal', size=1000, mean=2, sd=5)`
norm_list = norm.tolist()
size=和dist=参数适用于所有分发类型。根据您选择的分布，您必须在上面的示例中为该分布指定正确的参数。如果您选择的参数组合不正确，您将收到一条错误消息，并提供有关如何选择正确参数的进一步指导。分布式采样器类
从toms_dist_sampler.distributionsampler导入distributionsampler as ds
我的实例=ds（dist='normal'，size=1000，mean=2，sd=5）myinstance=ds（）set_parameters（）方法执行此操作，如下所示：myinstance.set_参数（dist='poisson'，size=5000，lam=3）print_parameters（）方法随时打印参数，如下所示：myinstance.print_parameters（）dist=normal和dist=poisson）之间切换，则保留以前的参数。这将生成一个警告，不会影响您的结果，但我建议如果您希望切换分发类型，请按照上面的说明创建该类的另一个实例。.draw（）方法：myInstance.draw（）.draw（）方法使用现有参数创建新示例。myinstance.print_sample（）.summary（）方法会将一些摘要统计信息打印到控制台，包括最小值和最大值，以及标准偏差和平均值：myinstance.summarise（）帮助（DS）MyInstance = DS(dist='Normal', size=1000, mean=2, sd=5)`
norm = MyInstance.draw()
norm_list = norm.tolist()
size=和dist=参数适用于所有分发类型。根据您选择的分布，您必须在上面的示例中为该分布指定正确的参数。如果您选择的参数组合不正确，您将收到一条错误消息，并提供有关如何选择正确参数的进一步指导。测试
/tests/文件夹并运行：pytest-v学分
许可证
推荐PyPI第三方库
