Randint並不總是遵循統一分布

Question

我正在玩Python中的隨機庫來模擬我工作的項目，我發現自己處於一個非常奇怪的位置。

假設我們在Python中有以下代碼：

from random import randint
import seaborn as sns

a = []
for i in range(1000000):
    a.append(randint(1,150))

sns.distplot(a)

該圖遵循“離散均勻”分布。

但是，當我將范圍從1更改為110時，繪圖有幾個峰值。

from random import randint
import seaborn as sns

a = []
for i in range(1000000):
    a.append(randint(1,110))

sns.distplot(a)

我的印象是，峰值在0,10,20,30，...但我無法解釋它。

編輯：問題與提議的問題並不相似，因為我的案例中的問題是seaborn庫和我可視化數據的方式。

編輯2：根據對答案的建議，我嘗試通過更改seaborn庫來驗證它。 相反，使用matplotlib兩個圖都是相同的

from random import randint
import matplotlib.pyplot as plt

a = []
for i in range(1000000):
    a.append(randint(1,110))

plt.hist(a) 

Answer 1

問題似乎出現在你的seaborn ， seaborn ，而不是在randint() 。

根據我的統計，你的seaborn分布圖中有50個箱子。 似乎seaborn實際上是在這些垃圾箱中對你返回的randint()值進行分類，並且沒有辦法將110個值均勻分布到50個垃圾箱中。 因此，您可以獲得三個值放入bin中的峰值，而不是其他二進制值的通常兩個值。 您的峰值確認了這一點：它們比其他條形圖高50％，正如預期的3個分檔值而不是2個。

另一種檢查方法是強制seaborn使用55個箱子來獲得這110個值（或者可能是10個箱子或110個其他除數）。 如果你仍然得到了峰值，那么你應該擔心randint() 。

Answer 2

為了增加@RoryDaulton的優秀答案，我運行了randint(1:110) ，生成頻率計數並將其轉換為R randint(1:110) ，如下所示：

hits = {i:0 for i in range(1,111)}
for i in range(1000000): hits[randint(1,110)] += 1
hits = [hits[i] for i in range(1,111)]
s = 'c('+','.join(str(x) for x in hits)+')'
print(s)

c(9123,9067,9124,8898,9193,9077,9155,9042,9112,9015,8949,9139,9064,9152,8848,9167,9077,9122,9025,9159,9109,9015,9265,9026,9115,9169,9110,9364,9042,9238,9079,9032,9134,9186,9085,9196,9217,9195,9027,9003,9190,9159,9006,9069,9222,9205,8952,9106,9041,9019,8999,9085,9054,9119,9114,9085,9123,8951,9023,9292,8900,9064,9046,9054,9034,9088,9002,8780,9098,9157,9130,9084,9097,8990,9194,9019,9046,9087,9100,9017,9203,9182,9165,9113,9041,9138,9162,9024,9133,9159,9197,9168,9105,9146,8991,9045,9155,8986,9091,9000,9077,9117,9134,9143,9067,9168,9047,9166,9017,8944)

然后我將其粘貼到R控制台，重建觀察結果並在結果上使用R的hist() ，獲得此直方圖（具有疊加的密度曲線）：

如您所見，這證實您觀察到的問題無法追溯到randint但卻是sns.displot()的工件。