准随机数生成散点图遇NameError，求解决方案及替代方法

1. NameError: 'Sobol'未定义的原因 #

• 单元格执行顺序错误：如果先运行调用Sobol的Python代码单元格，再执行加载Cython扩展、封装类的单元格，此时Sobol类还未被定义，必然触发报错。要确保先执行Cython相关单元格，再运行调用代码。
• Cython扩展编译失败/未正确导入：
  • 检查Cython单元格的编译输出，若存在编译错误（比如找不到GSL库），类根本不会生成；
  • 编译成功后，必须正确导入编译后的模块，比如封装的模块叫sobol_gsl，就得加from sobol_gsl import Sobol，直接用Sobol会找不到。
• Cython类定义/导出错误：在pyx文件中定义Sobol类时，要确保用cdef class Sobol:，若要暴露给Python调用，可能需要添加public修饰，或者在编译配置中正确指定导出的类。

2. 是否需要导入GSL？ #

是的，必须满足两个条件：

• 系统已安装GSL库（比如Ubuntu用apt-get install libgsl-dev，macOS用brew install gsl）；
• 编译Cython代码时要链接GSL库，在Jupyter的Cython魔法单元格里需添加参数，示例：

  %%cython -lgsl -lgslcblas
  # 这里写你的Cython封装代码
  

  否则编译时会找不到GSL的函数，导致类无法生成，间接触发NameError。

3. 其他实现准随机数散点图的方法 #

不用折腾Cython和GSL，直接用Python现成库更省心：

方法一：用scipy的qmc模块（推荐） #

scipy自带准随机数生成工具，无需额外编译：

import matplotlib.pyplot as plt
from scipy.stats.qmc import Sobol

# 生成二维Sobol序列，scramble=True让序列分布更均匀
sampler = Sobol(d=2, scramble=True)
# 生成1000个样本点
sample = sampler.random(n=1000)

plt.scatter(sample[:, 0], sample[:, 1], s=3)
plt.title("Sobol 序列散点图")
plt.axis('equal')
plt.show()

方法二：用chaospy库 #

专注于不确定性量化的库，准随机数功能完善：

import chaospy as cp
import matplotlib.pyplot as plt

# 定义二维均匀分布
dist = cp.J(cp.Uniform(0, 1), cp.Uniform(0, 1))
# 创建Sobol采样器
sampler = cp.Sobol(dist)
# 生成样本
sample = sampler.sample(1000)

plt.scatter(sample[0], sample[1], s=3)
plt.title("Chaospy Sobol 序列散点图")
plt.axis('equal')
plt.show()

方法三：手动实现Halton序列（低差异序列） #

适合理解原理，无需依赖第三方库：

import matplotlib.pyplot as plt

def van_der_corput(n, base=2):
    """生成一维Van der Corput序列"""
    vdc_val, denom = 0.0, 1.0
    while n > 0:
        denom *= base
        n, rem = divmod(n, base)
        vdc_val += rem / denom
    return vdc_val

def halton_sequence(n_points, dim=2):
    """生成二维Halton序列，不同维度用不同基"""
    bases = [2, 3]
    return [[van_der_corput(i+1, b) for b in bases] for i in range(n_points)]

# 生成1000个点
points = halton_sequence(1000)
x, y = zip(*points)

plt.scatter(x, y, s=3)
plt.title("Halton 序列散点图")
plt.axis('equal')
plt.show()

内容的提问来源于stack exchange，提问作者Sam