dask.array.random.zipf
dask.array.random.zipf¶
- dask.array.random.zipf(*args, **kwargs)¶
从Zipf分布中抽取样本。
此文档字符串是从 numpy.random.mtrand.RandomState.zipf 复制的。
Dask 版本可能存在一些不一致性。
样本是从参数 a > 1 的 Zipf 分布中抽取的。
Zipf 分布（也称为 zeta 分布）是一种离散概率分布，它满足 Zipf 定律：一个项目的频率与其在频率表中的排名成反比。
备注
新代码应使用 ~numpy.random.Generator 实例的 ~numpy.random.Generator.zipf 方法；请参阅 Quick start。
- 参数
- a浮点数或浮点数的类数组对象
分布参数。必须大于1。
- 大小int 或 int 的元组，可选
输出形状。如果给定的形状是，例如，
(m, n, k)，那么会抽取m * n * k个样本。如果大小是None``（默认），当 ``a是标量时返回一个单一值。否则，会抽取np.array(a).size个样本。
- 返回
- 出ndarray 或标量
从参数化的Zipf分布中抽取样本。
参见
scipy.stats.zipf概率密度函数、分布或累积密度函数等。
random.Generator.zipf应用于新代码。
注释
Zipf 分布的概率密度为
\[p(k) = \frac{k^{-a}}{\zeta(a)},\]对于整数 \(k \geq 1\)，其中 \(\zeta\) 是黎曼Zeta函数。
它以美国语言学家乔治·金斯利·齐普夫的名字命名，他注意到任何单词在语言样本中的频率与其在频率表中的排名成反比。
参考文献
- 1
Zipf, G. K., “语言中相对频率原理的研究选集”，剑桥，马萨诸塞州：哈佛大学出版社，1932年。
示例
从分布中抽取样本：
>>> a = 4.0 >>> n = 20000 >>> s = np.random.zipf(a, n)
显示样本的直方图，以及基于概率密度函数的预期直方图：
>>> import matplotlib.pyplot as plt >>> from scipy.special import zeta
bincount 为小整数提供了一个快速的直方图。
>>> count = np.bincount(s) >>> k = np.arange(1, s.max() + 1)
>>> plt.bar(k, count[1:], alpha=0.5, label='sample count') >>> plt.plot(k, n*(k**-a)/zeta(a), 'k.-', alpha=0.5, ... label='expected count') >>> plt.semilogy() >>> plt.grid(alpha=0.4) >>> plt.legend() >>> plt.title(f'Zipf sample, a={a}, size={n}') >>> plt.show()