截断SciPy随机分布

Question

有没有人有什么建议可以有效地截断SciPy随机分布。例如，如果我生成这样的随机值：

import scipy.stats as stats
print stats.logistic.rvs(loc=0, scale=1, size=1000)

在不改变分布的原始参数和不改变样本大小的情况下，如何将输出值限制在0和1之间，同时尽量减少机器的工作量？在

Answer 1

你想达到什么目的？Logistic distribution按定义具有无限范围。如果以任何方式截断结果，它们的分布将发生变化。如果你只想在范围内随机数，有^{}。在

Answer 2

你的问题更像是一个统计问题，而不是一个蹩脚的问题。一般来说，您需要能够在您感兴趣的时间间隔内进行标准化，并分析性地计算此间隔的CDF，以创建一种有效的采样方法。编辑：结果证明这是可能的（不需要拒绝取样）：

import scipy.stats as stats

import matplotlib.pyplot as plt
import numpy as np
import numpy.random as rnd

#plot the original distribution
xrng=np.arange(-10,10,.1)
yrng=stats.logistic.pdf(xrng)
plt.plot(xrng,yrng)

#plot the truncated distribution
nrm=stats.logistic.cdf(1)-stats.logistic.cdf(0)
xrng=np.arange(0,1,.01)
yrng=stats.logistic.pdf(xrng)/nrm
plt.plot(xrng,yrng)

#sample using the inverse cdf
yr=rnd.rand(100000)*(nrm)+stats.logistic.cdf(0)
xr=stats.logistic.ppf(yr)
plt.hist(xr,normed=True)

plt.show()

Answer 3

您可以将结果标准化为最大返回值：

>>> dist = stats.logistic.rvs(loc=0, scale=1, size=1000)
>>> norm_dist = dist / np.max(dist)

这将保持“shape”不变，并且值介于0和1之间。但是，如果你从一个分布重复绘制，一定要将所有绘制规范化为相同的值（所有绘制的最大值）。在

但是，如果你做这种事情在你想要达到的目标范围内是有意义的（我没有足够的信息来评论…），你需要非常小心