samplitude（s8e）是一个统计分布命令行工具
samplitude的Python项目详细描述
samplitude
随机变量的cli生成和绘制：
$ samplitude "sin(0.31415) | sample(6) | round | cli"0.0 0.309 0.588 0.809 0.951 1.0
samplitude这个词是sample和amplitude的组合词。这个 项目也是以一个方向开始的，因此应该发音为sampl-tude
samplitude是一个链，从生成器开始，后跟零或更多
过滤器，然后是使用者。大多数发电机是无限的
范围和列表以及可能的stdin除外）。一些过滤器可以
将无限生成器转换为有限生成器（例如sample和gobble），
一些滤波器可以将有限的生成器转换为无限的生成器，例如
选择
消费者是必须刷新输入的过滤器；列表，cli，
tojson，unique和绘图工具，hist，scatter和line是
消费者的例子。列表消费者是Jinja2内置的
Jinja2的消费者是sum，min，以及max：
samplitude "sin(0.31415) | sample(5) | round | max | cli"0.951
为了简单起见，s8e是samplitude的别名。
发电机
除了标准的范围函数外，我们还支持无限生成器
指数（lambd）：lambd是1.0除以期望的平均值。均匀（a，b）：获取范围[a，b）或[a，b]内的随机数 取决于四舍五入。gauss（mu，sigma）：mu是平均值，sigma是标准偏差。正常（mu，sigma）：如上所述对数正态分布（mu，sigma）：如上所述三角形（低，高）：以给定的低和 上限，并具有介于两者之间的给定模式值。beta（alpha，beta）：参数的条件是alpha>；0和beta>；0。返回的值介于0和1之间。伽马（α，β）：如上所述weibull（alpha，beta）：alpha是比例参数，beta是形状 参数。pareto（alpha）：pareto分布。alpha是形状参数。vonmises（mu，kappa）：mu是平均角度，以0之间的弧度表示2*pi，kappa是浓度参数，必须大于 大于或等于零。如果kappa等于零，这个分布会减少 在0到2*pi范围内的均匀随机角度
如果您已经安装了scipy.stats包，则
PERT（低、峰值、高）支持分发。
我们有一个特殊的无限生成器（筛选器），它在有限生成器上工作：
选择，
其行为解释如下。
对于来自文件的输入，请对指定的环境变量使用words。
字典或管道连接
stdin（）
从stdin
如果该文件是csv文件，则有一个csv生成器读取csv文件
熊猫和输出第一列（如果没有其他指定）。指定
具有整数索引或列名的列：
>>> samplitude "csv('iris.csv', 'virginica') | counter | cli"050150250
对于其他文件，我们有文件生成器：
>>> s8e "file('iris.csv') | sample(1) | cli"150,4,setosa,versicolor,virginica
最后，我们有com二进制和排列继承自
他们的工作和行为正是这样。
>>> s8e "'ABC' | permutations | cli"然而，它的输出是相当非unixy的，抽象通过：
>>> s8e "'HT' | permutations | cli"('H', 'T')('T', 'H')
因此，为了获得更好的输出，我们可以使用元素连接
>>> s8e "'HT' | permutations | elt_join | cli"
H T
T H
它还使用分隔符作为参数：
>>> s8e "'HT' | permutations | elt_join(';') | cli" H;T T;H
jinja的map函数已经支持此功能（请注意join周围的字符串）：
>>> s8e "'HT' | permutations | map('join', ';') | cli" H;T T;H
因此，我们可以计算一组大小为10的置换数：
$ samplitude "sin(0.31415) | sample(6) | round | cli"0.0 0.309 0.588 0.809 0.951 1.00
乘积生成器接受两个生成器并计算
这些。此外，
关于无穷大的警告
所有生成器都是（潜在的）无限生成器，必须使用
食用前的样品（n）！
使用和安装
使用安装
$ samplitude "sin(0.31415) | sample(6) | round | cli"0.0 0.309 0.588 0.809 0.951 1.01
或是为了止血，
$ samplitude "sin(0.31415) | sample(6) | round | cli"0.0 0.309 0.588 0.809 0.951 1.02
示例
这是纯正的Jinja2:
$ samplitude "sin(0.31415) | sample(6) | round | cli"0.0 0.309 0.588 0.809 0.951 1.03
但是，为了获得更为单一的输出，我们使用cli而不是list：
$ samplitude "sin(0.31415) | sample(6) | round | cli"0.0 0.309 0.588 0.809 0.951 1.04
为了限制输出，我们使用sample（n）：
$ samplitude "sin(0.31415) | sample(6) | round | cli"0.0 0.309 0.588 0.809 0.951 1.05
对于已经是有限的范围生成器来说，这不是很有帮助，但是
对一个无穷大的生成器更有用。上面的例子可能是
最好写成
$ samplitude "sin(0.31415) | sample(6) | round | cli"0.0 0.309 0.588 0.809 0.951 1.06
然而，更有趣的是无限随机生成器，例如
统一生成器：
$ samplitude "sin(0.31415) | sample(6) | round | cli"0.0 0.309 0.588 0.809 0.951 1.07
如果不需要那么多数字，我们可以对输出进行舍入（注意舍入
也是一个生成器，可以放在示例的任一侧：
$ samplitude "sin(0.31415) | sample(6) | round | cli"0.0 0.309 0.588 0.809 0.951 1.08
选择和修改
示例行为相当于头程序，或来自语言
比如哈斯克尔。支持头别名：
$ samplitude "sin(0.31415) | sample(6) | round | cli"0.0 0.309 0.588 0.809 0.951 1.09
drop也可用：
samplitude "sin(0.31415) | sample(5) | round | max | cli"0.9510
为了移位和缩放分布，我们可以使用移位和
比例过滤器。要获得从15开始的泊松点过程，我们可以运行
samplitude "sin(0.31415) | sample(5) | round | max | cli"0.9511
shift和scale都在生成器上工作，因此要添加sin（0.1）和
sin（0.2），我们可以运行
samplitude "sin(0.31415) | sample(5) | round | max | cli"0.9512
选择和其他操作
将choice与有限生成器一起使用，可以得到一个选择
从提供的生成器：
samplitude "sin(0.31415) | sample(5) | round | max | cli"0.9513
jinja2支持更通用的列表，例如字符串列表。因此，我们可以编写
samplitude "sin(0.31415) | sample(5) | round | max | cli"0.9514
在python中，字符串也可以iterable:
samplitude "sin(0.31415) | sample(5) | round | max | cli"0.9515
所以我们可以用
samplitude "sin(0.31415) | sample(5) | round | max | cli"0.9516
我们可以掷100个硬币，用计数器计数输出（即
集合。计数器）
samplitude "sin(0.31415) | sample(5) | round | max | cli"0.9517
排序功能在计数器对象（a
dicttype），因此如果希望按键排序输出，可以运行
samplitude "sin(0.31415) | sample(5) | round | max | cli"0.9518
有一个按值排序的小技巧，即通过交换计数器两次来排序：
samplitude "sin(0.31415) | sample(5) | round | max | cli"0.9519
swap过滤器执行元素反转，元素反转
在字典中定义为中每个键值对的（value，key）列表
字典。
因此，为了得到三个最常见的anagram字符串，我们可以运行
>>> samplitude "csv('iris.csv', 'virginica') | counter | cli"0501502500
使用stdin（）作为生成器，我们可以导入samplitude。当心
stdin（）刷新输入，因此stdin（当前）不能与
无限输入流。
>>> samplitude "csv('iris.csv', 'virginica') | counter | cli"0501502501
如果我们愿意的话hufflels我们可以运行
>>> samplitude "csv('iris.csv', 'virginica') | counter | cli"0501502502
>>> samplitude "csv('iris.csv', 'virginica') | counter | cli"0501502503
有趣的粉末情节
有趣的是，如果您安装了matplotlib，我们支持打印，hist
最有用的。
>>> samplitude "csv('iris.csv', 'virginica') | counter | cli"0501502504
指数分布可以用指数（lamba）绘制。注意
cli输出必须是链中的最后一个过滤器，因为这是一个命令行
仅限实用程序：
>>> samplitude "csv('iris.csv', 'virginica') | counter | cli"0501502505
要在打印后抑制输出，可以使用gobble过滤器清空
管道：
>>> samplitude "csv('iris.csv', 'virginica') | counter | cli"0501502506
pert分发
接受输入low，peak和high：
>>> samplitude "csv('iris.csv', 'virginica') | counter | cli"0501502507
尽管hist是最有用的，但是可以将运行s8eon
TimeSeries，其中行绘图最有意义：
>>> samplitude "csv('iris.csv', 'virginica') | counter | cli"0501502508
也可以使用scatter函数，但要求输入流是
成对流，可以通过积生成器或通过
对或计数器过滤器：
>>> samplitude "csv('iris.csv', 'virginica') | counter | cli"0501502509
"file('iris.csv') | sample(1) | cli"150,4,setosa,versicolor,virginica
0
您自己的过滤器
如果以编程方式使用samplitude，则可以通过 发送词典
>>> s8e "file('iris.csv') | sample(1) | cli"150,4,setosa,versicolor,virginica1
到samplitude函数。
示例：秘书问题
假设您想模拟秘书问题…
间奏曲：问题对那些不熟悉的人来说，你是老板，爱丽丝，他想雇一个新秘书 鲍勃。假设你想雇用所有候选人中最高的鲍勃，但是 候选者到达一条小溪，你只知道候选者的数量。为了 每个候选人，你必须接受（雇用）或拒绝该候选人。曾经的你 拒绝了候选人，您不能撤消决定。
解决这个问题的方法是看第一个n/e（e~2.71828
欧拉常数）候选，然后接受第一个更高的候选
比所有的第一位候选人都重要。
抽样解决方案
设正常（170，10）为候选生成器，并让n=100。我们创造了一个
过滤接受流和整数（n）并根据
找到解决办法。为了能够评估溶液的质量
稍后，过滤器必须转发整个候选列表；因此我们注释
我们用（c，false）选择一个我们拒绝的候选人，然后（c，true）
表示我们接受的候选人。
>>> s8e "file('iris.csv') | sample(1) | cli"150,4,setosa,versicolor,virginica2
现在，用samplitude来模拟秘书问题：
>>> s8e "file('iris.csv') | sample(1) | cli"150,4,setosa,versicolor,virginica3
在67%的情况下，我们可以期待得到一个最优秀的候选人， 而其余33%的病例将是均匀分布的。运行 10万人的规模为1000人的跑步揭示了这一结构。
欢迎加入QQ群-->： 979659372
