numpy.random.Generator.zipf#

方法

random.Generator.zipf(a, size=None)#

从 Zipf 分布中抽取样本。

从具有指定参数 a > 1 的 Zipf 分布中抽取样本。

Zipf 分布(也称为 Zeta 分布)是一种离散概率分布,满足 Zipf 定律:项目的频率与其在频率表中的排名成反比。

参数:
a浮点数或浮点数数组

分布参数。必须大于 1。

size整数或整数元组,可选

输出形状。如果给定的形状为,例如,(m, n, k),则会抽取 m * n * k 个样本。如果 size 为 None(默认值),则如果 a 是标量,则返回单个值。否则,将抽取 np.array(a).size 个样本。

返回值:
outndarray 或标量

从参数化的 Zipf 分布中抽取的样本。

另请参阅

scipy.stats.zipf

概率密度函数、分布或累积密度函数等。

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·齐夫的名字命名,他注意到语言样本中任何单词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选定研究”,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
>>> rng = np.random.default_rng()
>>> s = rng.zipf(a, size=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 为小整数提供快速直方图。

>>> 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()
../../../_images/numpy-random-Generator-zipf-1.png