在Python中如何使用pareto分布生成特定范围内的随机数

Question

嗨，我想用帕累托分布生成一些随机数。我发现使用numpy是可能的。但我不知道如何影响结果。例如，我想得到的结果范围是：10-20，但我如何才能实现这一点呢？在

我知道从numpy使用pareto的语法

numpy.random.pareto(m, s)

我不明白m是什么意思（我已经在维基百科上查过了，但我一点也不懂）？我知道生成的元组的大小。在

Answer 1

在 documentation似乎有个错误，可能会让您困惑。在

通常调用签名中的参数名称：

numpy.random.pareto(a, size=None)

将参数名称与给定的详细信息匹配：

^{pr2}$

但是您可以看到第一个参数同时被称为a和{}。将所需的shape作为函数的第一个参数，以获得size数的分布（它们不是tuple，而是一个numpyarray）。在

如果需要更改第二个参数（在wikipedia上称为x_m），那么只需将其添加到所有值中，如docs中的示例所示：

Examples
    
Draw samples from the distribution:

>>> a, m = 3., 1. # shape and mode
>>> s = np.random.pareto(a, 1000) + m

---

因此，实现一个下界并不重要：只需使用m的下限：

lower = 10  # the lower bound for your values
shape = 1   # the distribution shape parameter, also known as `a` or `alpha`
size = 1000 # the size of your sample (number of random values)

并用下限创建分布：

x = np.random.pareto(shape, size) + lower

然而，帕累托分布并不是从上面有界的，所以如果你试图切断它，它实际上是分布的truncated version，这不是完全一样的事情，所以要小心。如果形状参数远大于1，则分布会以代数形式衰减，如x^–（a+1），因此您不会看到太多大的值。在

如果您选择实现上限，一种简单的方法是生成普通样本，然后移除任何超出限制的值：

upper = 20
x = x[x<upper]  # only values where x < upper

但现在你的样品尺寸（可能）更小了。您可以继续添加新的值（并过滤掉太大的值），直到达到所需的大小，但是首先使其足够大，然后只使用其中的size会更简单：

x = np.random.pareto(shape, size*5/4) + lower
x = x[x<upper][:size]

Answer 2

@askewchan文件更改了吗？在

根据最新的doc，m应该这样使用

a, m = 3., 2.  # shape and mode
s = (np.random.pareto(a) + 1) * m

其中a是形状，m是比例（在Wikipedia中是（x_m）。在

这是测试代码，预期平均值等于模拟结果。在

^{pr2}$