Python量化交易基礎講堂-詳解隨機數的生成

你們是否留意到《Python實戰-構建基於股票的量化交易系統》小冊子中，分別介紹了Python內置的random模塊和第三方庫NumPy的random模塊提供生成符合正態分佈序列的方法，接下來咱們再詳細地介紹下兩個模塊關於生成隨機序列的其餘使用方法。

隨機數參與的應用場景你們必定不會陌生，好比密碼加鹽時會在原密碼上關聯一串隨機數，蒙特卡洛算法會經過隨機數採樣等等。Python內置的random模塊提供了生成隨機數的方法，使用這些方法時須要導入random模塊。

import random
複製代碼

下面介紹下Python內置的random模塊的幾種生成隨機數的方法。

一、random.random()隨機生成 0 到 1 之間的浮點數[0.0, 1.0)。注意的是返回的隨機數可能會是 0 但不可能爲 1，即左閉右開的區間。

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

複製代碼

二、random.randint(a , b)隨機生成 a 與 b 之間的整數[a, b]，a<=n<=b，隨機整數不包含 b 時[a, b)可使用 random.randrange() 方法。

print("randint: ", random.randint(6,8))
#randint: 8
複製代碼

三、random.randrange(start,stop,step)按步長step隨機在上下限範圍內取一個隨機數，start<=n<stop。

print("randrange: ",random.randrange(20,100,5))
#randrange: 85
複製代碼

四、random.uniform(a, b)隨機生成 a 與 b 之間的浮點數[a, b]，a<=n<=b。

print("uniform: ",random.uniform(5,10))
#uniform: 5.119790163375776
複製代碼

五、random.choice()從列表中隨機取出一個元素，好比列表、元祖、字符串等。注意的是，該方法須要參數非空，不然會拋出 IndexError 的錯誤。

print("choice: ",random.choice("www.yuanxiao.net"))
#choice: y
複製代碼

六、random.shuffle(items) 把列表 items 中的元素隨機打亂。注意的是，若是不想修改原來的列表，可使用 copy 模塊先拷貝一份原來的列表。

num = [1, 2, 3, 4, 5]
random.shuffle(num)
print("shuffle: ",num)
#shuffle: [1, 3, 5, 4, 2]
複製代碼

七、random.sample(items, n)從列表 items 中隨機取出 n 個元素。

num = [1, 2, 3, 4, 5]
print("sample: ",random.sample(num, 3))
#sample: [4, 1, 5]
複製代碼

Python 的random模塊產生的隨機數實際上是僞隨機數，依賴於特殊算法和指定不肯定因素(種子seed)來實現。如randint方法生成必定範圍內的隨機數，會先指定一個特定的seed，將seed經過特定的隨機數產生算法，獲得必定範圍內隨機分佈的隨機數。所以對於同一個seed值的輸入產生的隨機數會相同，省略參數則意味着使用當前系統時間秒數做爲種子值，達到每次運行產生的隨機數都不同。

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

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

random.seed(3)#同一個種子值，產生的隨機數相同
print("random: ", random.random())
#random: 0.23796462709189137
複製代碼

numpy庫也提供了random模塊，用於生成多維度數組形式的隨機數。使用時須要導入numpy庫。

import numpy as np
複製代碼

下面介紹下numpy庫的random模塊的幾種生成隨機數的方法。

一、numpy.random.rand(d0,d1,…,dn)

• rand函數根據給定維度生成[0,1]之間的數據，包含0，不包含1
• dn表格每一個維度
• 返回值爲指定維度的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]]] """
複製代碼

二、numpy.random.randn(d0,d1,…,dn)

• randn函數返回一個或一組樣本，具備標準正態分佈。
• dn表格每一個維度
• 返回值爲指定維度的array
• 標準正態分佈—-standard normal distribution
• 標準正態分佈又稱爲u分佈，是以0爲均值、以1爲標準差的正態分佈，記爲N（0，1）。

print("np.random.randn：\n {}".format(np.random.randn())) 
# 當沒有參數時，返回單個數據
""" 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]]] """
複製代碼

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

• 返回隨機整數，範圍區間爲[low,high），包含low，不包含high
• 參數：low爲最小值，high爲最大值，size爲數組維度大小，dtype爲數據類型，默認的數據類型是np.int
• high沒有填寫時，默認生成隨機數的範圍是[0，low]

print("np.random.randint：\n {}".format(np.random.randint(1,size=5)))
# 返回[0,1)之間的整數，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個[1,5)時間的隨機整數
""" 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]] """
複製代碼

四、numpy.random.seed()

• np.random.seed()的做用：使得隨機數據可預測。
• 當咱們設置相同的seed，每次生成的隨機數相同。若是不設置seed，則每次會生成不一樣的隨機數

關於完整代碼能夠加入小冊交流羣獲取。更多的量化交易內容歡迎你們訂閱小冊閱讀！！