我想从均匀分布中对二维向量 x 进行采样,其中strong x ∥≤1。我知道我可以从均匀分布中采样
while temperature():
temperature()
但我怎样才能确保∥ x ∥≤1?
答案 0 :(得分:5)
可以通过随机化角度和长度并将它们转换为笛卡尔坐标来完成:
dframe = pd.DataFrame({
'Date': ['2017-08-01', '2016-08-01', '2017-08-02'],
'Data_Value': [2,3,4]
})
dframe.groupby(pd.to_datetime(dframe['Date']).dt.strftime('%m-%d'))['Data_Value'].min()
#Date
#08-01 2
#08-02 4
#Name: Data_Value, dtype: int64
修改:iguarna对原始答案的评论是正确的。为了统一绘制点,import numpy as np
length = np.sqrt(np.random.uniform(0, 1))
angle = np.pi * np.random.uniform(0, 2)
x = length * np.cos(angle)
y = length * np.sin(angle)
需要是绘制的随机数的平方根。
可以在此处找到对它的引用:Simulate a uniform distribution on a disc。
举例来说,这是没有平方根的随机结果的结果:
并使用平方根:
答案 1 :(得分:1)
像上面那样对角度和长度进行采样并不能保证从圆圈中均匀采样。在这种情况下,P( a )>如果 || a || > P( b )的 || b || 即可。为了从圆圈均匀采样,请执行以下操作:
length = np.random.uniform(0, 1)
angle = np.pi * np.random.uniform(0, 2)
x = np.sqrt(length) * np.cos(angle)
y = np.sqrt(length) * np.sin(angle)