numpy.random.zipf

numpy.random.zipf(a, size=None)

Генерация выборок из распределения Ципфа.

Выборка производится из распределения Ципфа со значением параметра a > 1.

Распределение Ципфа (также известное как распределение дзета) — это непрерывное вероятностное распределение, которое удовлетворяет закону Ципфа: частота элемента обратно пропорциональна его рангу в таблице частот.

Примечание

Для нового кода следует использовать метод zipf экземпляра default_rng(); см. random-quick-start.

Параметры

afloat or array_like of floats

Параметр распределения. Должно быть больше 1.

sizeint or tuple of ints, optional

Форма выходных данных. Если заданная форма, например, (m, n, k), то генерируется m * n * k выборок. Если размер равен None (по умолчанию), возвращается одно значение, если a — скаляр. В противном случае, генерируется np.array(a).size выборок.

Возвращает

outndarray or scalar

Выборка из распределения Ципфа с заданными параметрами.

См. также

scipy.stats.zipf

функция плотности вероятности, распределение или функция кумулятивного распределения и т. д.

Generator.zipf

который следует использовать для нового кода.

Примечания

Функция плотности вероятности для распределения Ципфа:

где — дзета-функция Римана.

Она названа в честь американского лингвиста Джорджа Кингсли Ципфа, который заметил, что частота любого слова в выборке языка обратно пропорциональна его рангу в таблице частот.

Ссылки

1

Zipf, G. K., “Selected Studies of the Principle of Relative Frequency in Language,” Cambridge, MA: Harvard Univ. Press, 1932.

Примеры

Генерация выборок из распределения:

>>> a = 2. # parameter
>>> s = np.random.zipf(a, 1000)

Вывод гистограммы выборок вместе с функцией плотности вероятности:

>>> import matplotlib.pyplot as plt
>>> from scipy import special  

Ограничение значений s до 50 для более интересной гистограммы:

>>> count, bins, ignored = plt.hist(s[s<50], 50, density=True)
>>> x = np.arange(1., 50.)
>>> y = x**(-a) / special.zetac(a)  
>>> plt.plot(x, y/max(y), linewidth=2, color='r')  
>>> plt.show()