Python量化交易基础讲堂-详解随机数的生成

你们是否留意到《Python实战-构建基于股票的量化交易系统》小册子中，分别介绍了Python内置的random模块和第三方库NumPy的random模块提供生成符合正态分布序列的方法，接下来咱们再详细地介绍下两个模块关于生成随机序列的其余使用方法。

随机数参与的应用场景你们必定不会陌生，好比密码加盐时会在原密码上关联一串随机数，蒙特卡洛算法会经过随机数采样等等。Python内置的random模块提供了生成随机数的方法，使用这些方法时须要导入random模块。

import random
复制代码

下面介绍下Python内置的random模块的几种生成随机数的方法。

一、random.random()随机生成 0 到 1 之间的浮点数[0.0, 1.0)。注意的是返回的随机数可能会是 0 但不可能为 1，即左闭右开的区间。

print("random: ", random.random())
#random: 0.5714025946899135

复制代码

二、random.randint(a , b)随机生成 a 与 b 之间的整数[a, b]，a<=n<=b，随机整数不包含 b 时[a, b)可使用 random.randrange() 方法。

print("randint: ", random.randint(6,8))
#randint: 8
复制代码

三、random.randrange(start,stop,step)按步长step随机在上下限范围内取一个随机数，start<=n<stop。

print("randrange: ",random.randrange(20,100,5))
#randrange: 85
复制代码

四、random.uniform(a, b)随机生成 a 与 b 之间的浮点数[a, b]，a<=n<=b。

print("uniform: ",random.uniform(5,10))
#uniform: 5.119790163375776
复制代码

五、random.choice()从列表中随机取出一个元素，好比列表、元祖、字符串等。注意的是，该方法须要参数非空，不然会抛出 IndexError 的错误。

print("choice: ",random.choice("www.yuanxiao.net"))
#choice: y
复制代码

六、random.shuffle(items) 把列表 items 中的元素随机打乱。注意的是，若是不想修改原来的列表，可使用 copy 模块先拷贝一份原来的列表。

num = [1, 2, 3, 4, 5]
random.shuffle(num)
print("shuffle: ",num)
#shuffle: [1, 3, 5, 4, 2]
复制代码

七、random.sample(items, n)从列表 items 中随机取出 n 个元素。

num = [1, 2, 3, 4, 5]
print("sample: ",random.sample(num, 3))
#sample: [4, 1, 5]
复制代码

Python 的random模块产生的随机数实际上是伪随机数，依赖于特殊算法和指定不肯定因素(种子seed)来实现。如randint方法生成必定范围内的随机数，会先指定一个特定的seed，将seed经过特定的随机数产生算法，获得必定范围内随机分布的随机数。所以对于同一个seed值的输入产生的随机数会相同，省略参数则意味着使用当前系统时间秒数做为种子值，达到每次运行产生的随机数都不同。

random.seed(2)
print("random: ", random.random())
#random: 0.9560342718892494

random.seed(3)
print("random: ", random.random())
#random: 0.23796462709189137

random.seed(3)#同一个种子值，产生的随机数相同
print("random: ", random.random())
#random: 0.23796462709189137
复制代码

numpy库也提供了random模块，用于生成多维度数组形式的随机数。使用时须要导入numpy库。

import numpy as np
复制代码

下面介绍下numpy库的random模块的几种生成随机数的方法。

一、numpy.random.rand(d0,d1,…,dn)

• rand函数根据给定维度生成[0,1]之间的数据，包含0，不包含1
• dn表格每一个维度
• 返回值为指定维度的array

print("np.random.rand：\n {}".format(np.random.rand(4,2))) 
# shape: 4*3
""" np.random.rand： [[0.5488135 0.71518937] [0.60276338 0.54488318] [0.4236548 0.64589411] [0.43758721 0.891773 ]] """
print("np.random.rand：\n {}".format(np.random.rand(4,3,2))) 
# shape: 4*3*2
""" np.random.rand： [[[0.96366276 0.38344152] [0.79172504 0.52889492] [0.56804456 0.92559664]] [[0.07103606 0.0871293 ] [0.0202184 0.83261985] [0.77815675 0.87001215]] [[0.97861834 0.79915856] [0.46147936 0.78052918] [0.11827443 0.63992102]] [[0.14335329 0.94466892] [0.52184832 0.41466194] [0.26455561 0.77423369]]] """
复制代码

二、numpy.random.randn(d0,d1,…,dn)

• randn函数返回一个或一组样本，具备标准正态分布。
• dn表格每一个维度
• 返回值为指定维度的array
• 标准正态分布—-standard normal distribution
• 标准正态分布又称为u分布，是以0为均值、以1为标准差的正态分布，记为N（0，1）。

print("np.random.randn：\n {}".format(np.random.randn())) 
# 当没有参数时，返回单个数据
""" np.random.randn： 2.2697546239876076 """
print("np.random.randn：\n {}".format(np.random.randn(2,4)))
""" np.random.randn： [[-1.45436567 0.04575852 -0.18718385 1.53277921] [ 1.46935877 0.15494743 0.37816252 -0.88778575]] """
print("np.random.randn：\n {}".format(np.random.randn(4,3,2)))
""" np.random.randn： [[[-1.98079647 -0.34791215] [ 0.15634897 1.23029068] [ 1.20237985 -0.38732682]] [[-0.30230275 -1.04855297] [-1.42001794 -1.70627019] [ 1.9507754 -0.50965218]] [[-0.4380743 -1.25279536] [ 0.77749036 -1.61389785] [-0.21274028 -0.89546656]] [[ 0.3869025 -0.51080514] [-1.18063218 -0.02818223] [ 0.42833187 0.06651722]]] """
复制代码

三、numpy.random.randint(low, high=None, size=None, dtype=’l’)

• 返回随机整数，范围区间为[low,high），包含low，不包含high
• 参数：low为最小值，high为最大值，size为数组维度大小，dtype为数据类型，默认的数据类型是np.int
• high没有填写时，默认生成随机数的范围是[0，low]

print("np.random.randint：\n {}".format(np.random.randint(1,size=5)))
# 返回[0,1)之间的整数，因此只有0
""" np.random.randint： [0 0 0 0 0] """
print("np.random.randint：\n {}".format(np.random.randint(1,5)))# 返回1个[1,5)时间的随机整数
""" np.random.randint： 2 """
print("np.random.randint：\n {}".format(np.random.randint(-5,5,size=(2,2))))
""" np.random.randint： [[-5 -3] [ 2 -3]] """
复制代码

四、numpy.random.seed()

• np.random.seed()的做用：使得随机数据可预测。
• 当咱们设置相同的seed，每次生成的随机数相同。若是不设置seed，则每次会生成不一样的随机数

关于完整代码能够加入小册交流群获取。更多的量化交易内容欢迎你们订阅小册阅读！！