Python random.paretovariate（） 方法

Python random.paretovariate（） 方法生成遵循帕累托分布的随机数。它是一种幂律概率分布，也称为“80-20 规则”。

这种分布通常用于社会科学、质量控制、金融和自然现象。它取决于名为 alpha 的形状参数，该参数决定了分布的行为。

语法

以下是 paretovariate（） 方法的语法 -

 random.paretovariate(alpha)

参数

此方法接受单个参数 -

• alpha：这是 Pareto 分布的形状参数。

返回值

此方法返回遵循 Pareto 分布且具有指定 alpha 的随机数。

示例 1

让我们看一个使用 Python random.paretovariate（） 方法生成单个随机数的基本示例。

import random

# alpha for the Pareto distribution
alpha_ = 2

# Generate a random number from the Pareto distribution
random_value = random.paretovariate(alpha_)

print("Random value from Pareto distribution:", random_value)

以下是输出 -

注意：由于程序的随机性，每次运行程序时生成的 Output 都会有所不同。

示例 2

下面是一个示例，它使用 random.paretovariate（） 方法生成并显示一个直方图，该直方图显示形状参数为 3 的 Pareto 分布中样本的频率分布。

import random
import numpy as np
import matplotlib.pyplot as plt

# Generate 10000 samples from an Pareto distribution with rate parameter of 100
alpha = 3
num_samples = 10000	

# Generate Pareto data	
d = [random.paretovariate(alpha) for _ in range(num_samples)]

# Create a histogram of the data with bins from 0 to 500
h, b = np.histogram(d, bins=500)

# Plot the histogram
plt.figure(figsize=(7, 4))
plt.bar(b[:-1], h, width=1, edgecolor='none')
plt.title('Histogram of the Pareto Distributed Data')
plt.show()

上述代码的输出如下 -

示例 3

此示例生成并绘制不同 alpha 值的 Pareto 分布数据，以使用 random.paretovariate（） 方法显示分布如何随 shape 参数的变化。

import random
import numpy as np
import matplotlib.pyplot as plt

def plot_pareto(alpha, order):

	 	 # Generate Pareto data
	 	 data = [random.paretovariate(alpha) for _ in range(500)]

	 	 # Plot histogram of the generated data
	 	 h, b = np.histogram(data, bins=np.arange(0, max(data)+1))
	 	 plt.bar(b[:-1], h, width=1, edgecolor='none', alpha=0.7, label=r'($\alpha={}$)'.format(alpha), zorder=order)

# Create a figure for the plots
fig = plt.figure(figsize=(7, 4))

# Plotting for each set of parameters
plot_pareto(3, 3)
plot_pareto(2, 2)
plot_pareto(1, 1)

# Adding labels and title
plt.title('Pareto Distributions for Different Alpha Values')
plt.legend()
plt.ylim(1, 150)
plt.xlim(1, 30)

# Show plot
plt.show()

在执行上述代码时，您将获得如下所示的类似输出 -