如何用python模拟生成数据或日志

1. 如何用python模拟生成数据或日志

简单生成数据可用随机数：random.random()
格式化的话，用numpy可生成数据或矩阵

2. 在Eviews软件中如何用蒙特卡洛模拟生成想要的ARMA模型数据

用stata吧
stata有生成arma模型数据的命令

3. 下面的问题用蒙特卡洛模拟如何实现啊，想了解个基本过程

蒙特卡洛的基本原理就是通过计算机的计算能力进行大量实验。实验样本到达一定数量后，能得出接近结果的数值解。这个题目可以通过计算直接得出结果接近于正态分布，但可以用excel简单的说明下蒙特卡洛方法。
用excel的步骤基本如下：

1、第一列拉出各周期编号1至1000。（假设都是从第一行开始）
2、第二列作为随机种子，B1输入=rand()
3、第三列为根据既定价格及概率p值（回答里写的p值，但输入时应该是具体数值）判断购买与否，C1输入=if(B1<p,1,0)
4、第四列、五列展示周期开始、结束时剩余货物，即D1为50，E1输入=max(D1-C1,0)，而后D2输入=E1，E2输入=max(D1-C1,0)。
5、每一列对应下拉（四、五列从第二行开始下拉）。
按这个步骤的话，就得出一个既定价格下，剩余产品数量随时间变化的表。
至于最后的利润也是可以根据这个算的。
不过以上的过程是基于对每个周期买的概率进行1000次蒙特卡洛模拟。
如果模拟的是这1000次周期的结果，那就直接用一列到位，对多列的结果进行统计。
第1列仍然编号，第2列直接整合上述234步，表示该周期初始货物存货，第1行50，第二行B2输入=IF(RAND()<p,MAX(B1-1,0),B1)，这里用的p仍然是数值的表示，比如说概率是0.7，实际应该输入=IF(RAND()<0.7,MAX(B1-1,0),B1)
下拉，出现到1000步的初始货物存货，根据要求实际上是1000步后的结果，可以拉到1001行。这就用单列表示了整个货物变化过程，如果想要更多1000步的不同结果，把整个b列右拉即有更多结果。

4. 请问 Python程序蒙特卡罗方法求Pi怎样让每次运行结果相同？

设置随机数种子，如random.seed(10),这样再调用random时就会产生10对应的随机数序列，产生的结果就会一样了。

5. 怎么用 Excel 做蒙特卡洛模拟

Excel 做蒙特卡洛模拟的具体操作步骤如下：
1、打开Excel表格，填写三个活动时间估算的乐观值，最可能值和悲观值。

2、分别计算三个活动的均值和标准差。
均值=（乐观值+4 * 最可能值 + 悲观值）/ 6，标准差=（悲观值-乐观值）/ 6。

3、计算出来的均值和标准差，对三个活动按照正态分布进行随机模拟。
公式：=INT(NORMINV(RAND(),$F$2,$G$2))。

4、将随机出来的值，进行固化。把上一步中红框的区域，按值复制一份。

5、3个活动均为FS的关系，三个互动的时间之和就等于总项目时间。

6、总工期考入新的Sheet，并进行从小到大的重新排序。

7、排序后的数据进行筛选，剔除重复数据，全部模拟出来工期的值。

8、进行频度统计，选中与总工期相对应的频度下面的单元格D2:D23。
输入公式“=FREQUENCY(A2:A101,C2:C23)”，然后按下Ctrl+Shift+Enter。

9、计算积累频度：每一个频度的积累频度=自身的频度+前面所有项的频度之和。

10、选择二维折线图，添加的空白折线图上右键选择数据区域，将累计频度改为蒙特卡洛模拟。

11、选择自己喜欢的样式，蒙特卡洛模拟生成的图表即可。

6. 如何让Python 模拟多个用户对数据库同时进行操作

如何让Python 模拟多个用户对数据库同时进行操作
个人看法是:至少使用多进程,不能用多线程。
最好测试也是分布式的多点同时测试。

7. 用python生成随机数的几种方法

1 从给定参数的正态分布中生成随机数
当考虑从正态分布中生成随机数时，应当首先知道正态分布的均值和方差（标准差），有了这些，就可以调用python中现有的模块和函数来生成随机数了。这里调用了Numpy模块中的random.normal函数，由于逻辑非参简单，所有直接贴上代码如下：
import numpy as np# 定义从正态分布中获取随机数的函数def get_normal_random_number(loc, scale):	"""	:param loc: 正态分布的均值	:param scale: 正态分布的标准差	:return:从正态分布中产生的随机数	"""	# 正态分布中的随机数生成	number = np.random.normal(loc=loc, scale=scale)	# 返回值	return number# 主模块if __name__ == "__main__":	# 函数调用	n = get_normal_random_number(loc=2, scale=2)	# 打印结果	print(n)	# 结果:3.275192443463058

2 从给定参数的均匀分布中获取随机数的函数
考虑从均匀分布中获取随机数的时候，要事先知道均匀分布的下界和上界，然后调用Numpy模块的random.uniform函数生成随机数。
import numpy as np# 定义从均匀分布中获取随机数的函数def get_uniform_random_number(low, high):	"""	:param low: 均匀分布的下界	:param high: 均匀分布的上界	:return: 从均匀分布中产生的随机数	"""	# 均匀分布的随机数生成	number = np.random.uniform(low, high)	# 返回值	return number# 主模块if __name__ == "__main__":	# 函数调用	n = get_uniform_random_number(low=2, high=4)	# 打印结果	print(n)	# 结果:2.4462417140153114

3 按照指定概率生成随机数
有时候我们需要按照指定的概率生成随机数，比如已知盒子中每种颜色的球的比例，猜测下一次取出的球的颜色。在这里介绍的问题和上面的例子相似，要求给定一个概率列表，从列表对应的数字列表或区间列表中生成随机数，分两部分讨论。
3.1 按照指定概率从数字列表中随机抽取数字
假设给定一个数字列表和一个与之对应的概率列表，两个列表对应位置的元素组成的元组即表示该数字在数字列表中以多大的概率出现，那么如何根据这些已知条件从数字列表中按概率抽取随机数呢？在这里我们考虑用均匀分布来模拟概率，代码如下：
import numpy as npimport random# 定义从均匀分布中获取随机数的函数def get_uniform_random_number(low, high):	"""	:param low: 均匀分布的下界	:param high: 均匀分布的上界	:return: 从均匀分布中产生的随机数	"""	# 均匀分布的随机数生成	number = np.random.uniform(low, high)	# 返回值	return number# 定义从一个数字列表中以一定的概率取出对应区间中数字的函数def get_number_by_pro(number_list, pro_list):	"""	:param number_list:数字列表	:param pro_list:数字对应的概率列表	:return:按概率从数字列表中抽取的数字	"""	# 用均匀分布中的样本值来模拟概率	x = random.uniform(0, 1)	# 累积概率	cum_pro = 0.0	# 将可迭代对象打包成元组列表	for number, number_pro in zip(number_list, pro_list):		cum_pro += number_pro		if x < cum_pro:			# 返回值			return number# 主模块if __name__ == "__main__":	# 数字列表	num_list = [1, 2, 3, 4, 5]	# 对应的概率列表	pr_list = [0.1, 0.3, 0.1, 0.4, 0.1]	# 函数调用	n = get_number_by_pro(number_list=num_list, pro_list=pr_list)	# 打印结果	print(n)	# 结果:1

3.2 按照指定概率从区间列表中的某个区间内生成随机数
给定一个区间列表和一个与之对应的概率列表，两个列表相应位置的元素组成的元组即表示某数字出现在某区间内的概率是多少，已知这些，我们如何生成随机数呢？这里我们通过两次使用均匀分布达到目的，代码如下：
import numpy as npimport random# 定义从均匀分布中获取随机数的函数def get_uniform_random_number(low, high):	"""	:param low: 均匀分布的下界	:param high: 均匀分布的上界	:return: 从均匀分布中产生的随机数	"""	# 均匀分布的随机数生成	number = np.random.uniform(low, high)	# 返回值	return number# 定义从一个数字列表中以一定的概率取出对应区间中数字的函数def get_number_by_pro(number_list, pro_list):	"""	:param number_list:数字列表	:param pro_list:数字对应的概率列表	:return:按概率从数字列表中抽取的数字	"""	# 用均匀分布中的样本值来模拟概率	x = random.uniform(0, 1)	# 累积概率	cum_pro = 0.0	# 将可迭代对象打包成元组列表	for number, number_pro in zip(number_list, pro_list):		cum_pro += number_pro		if x < cum_pro:			# 从区间[number. number - 1]上随机抽取一个值			num = get_uniform_random_number(number, number - 1)			# 返回值			return num# 主模块if __name__ == "__main__":	# 数字列表	num_list = [1, 2, 3, 4, 5]	# 对应的概率列表	pr_list = [0.1, 0.3, 0.1, 0.4, 0.1]	# 函数调用	n = get_number_by_pro(number_list=num_list, pro_list=pr_list)	# 打印结果	print(n)	# 结果:3.49683787011193

8. 如何用python模拟登陆pc 软件的数据

应选择Python对应的版本。例如我们的Python是32位的2.7.9，则下载
py2exe-0.6.9.win32-py2.7.exe
如果你安装的Python是64位的，则下载
py2exe-0.6.9.win64-py2.7.amd64.exe