兰丁特并不总是遵循统一分配

Question

我正在使用Python中的随机库来模拟我工作的项目，我发现自己处于一个非常奇怪的位置。

我们假设我们在Python中有以下代码：

from random import randint
import seaborn as sns

a = []
for i in range(1000000):
    a.append(randint(1,150))

sns.distplot(a)

该图遵循“离散均匀”分布。

然而，当我将范围从1更改为110时，图表有几个峰值。

from random import randint
import seaborn as sns

a = []
for i in range(1000000):
    a.append(randint(1,110))

sns.distplot(a)

我的印象是峰值在0,10,20,30，...但我无法解释。

编辑：问题与提议的问题并不相似，因为我的案例中的问题是seaborn库以及我可视化数据的方式。

编辑2：根据对答案的建议，我尝试通过更改seaborn库来验证它。相反，使用matplotlib两个图都是相同的

from random import randint
import matplotlib.pyplot as plt

a = []
for i in range(1000000):
    a.append(randint(1,110))

plt.hist(a) 

Answer 1

问题似乎出现在你的牧羊人seaborn，而不是randint()。

根据我的统计数据，您的seaborn分布图中有50个分档。似乎seaborn实际上是在这些箱子中归类你返回的randint()值，并且没有办法将110个值均匀分布到50个箱子中。因此，您可以获得三个值放入bin中的峰值，而不是其他二进制值的通常两个值。您的峰值确认了这一点：它们比其他条形图高50％，正如预期的3个分档值而不是2个。

另一种检查方法是强制seaborn为这110个值使用55个二进制位（或者可能是10个二进制位或110个其他除数）。如果你仍然得到了峰值，那么你应该担心randint()。

Answer 2

为了添加@RoryDaulton的优秀答案，我运行randint(1:110)，生成频率计数并将其转换为R计算器，如下所示：

hits = {i:0 for i in range(1,111)}
for i in range(1000000): hits[randint(1,110)] += 1
hits = [hits[i] for i in range(1,111)]
s = 'c('+','.join(str(x) for x in hits)+')'
print(s)

c(9123,9067,9124,8898,9193,9077,9155,9042,9112,9015,8949,9139,9064,9152,8848,9167,9077,9122,9025,9159,9109,9015,9265,9026,9115,9169,9110,9364,9042,9238,9079,9032,9134,9186,9085,9196,9217,9195,9027,9003,9190,9159,9006,9069,9222,9205,8952,9106,9041,9019,8999,9085,9054,9119,9114,9085,9123,8951,9023,9292,8900,9064,9046,9054,9034,9088,9002,8780,9098,9157,9130,9084,9097,8990,9194,9019,9046,9087,9100,9017,9203,9182,9165,9113,9041,9138,9162,9024,9133,9159,9197,9168,9105,9146,8991,9045,9155,8986,9091,9000,9077,9117,9134,9143,9067,9168,9047,9166,9017,8944)

然后我将其粘贴到R控制台，重建观察结果并在结果上使用R hist()，获得此直方图（具有叠加的密度曲线）：

如您所见，这证实您观察到的问题无法追溯到randint，但却是sns.displot()的工件。