如何生成适用于IoT传感器模拟的有序增减随机浮点数序列

核心思路：放弃每次在全量程范围随机取值的逻辑，改为基于上一个采样值做小幅度随机步长的增减，同时限制整体数值不超出设定的最小/最大值边界，通过调整步长大小即可控制数值波动的剧烈程度，从根源避免突变问题。

可直接运行的实现代码 #

import random

def generate_sensor_data(min_val: float, max_val: float, sample_count: int, max_step: float = 0.15, decimal_len: int = 3) -> list[float]:
    # 初始化首个采样值
    current_val = round(random.uniform(min_val, max_val), decimal_len)
    data_list = [current_val]
    for _ in range(sample_count - 1):
        # 生成正负随机步长，实现自然增减
        step = random.uniform(-max_step, max_step)
        next_val = current_val + step
        # 边界修正，避免超出设定量程
        next_val = max(min(next_val, max_val), min_val)
        next_val = round(next_val, decimal_len)
        data_list.append(next_val)
        current_val = next_val
    return data_list

# 调用示例
if __name__ == "__main__":
    # 参数：最小值0.1、最大值1.5、生成9个采样点、单步最大变化0.2、保留3位小数
    test_data = generate_sensor_data(0.1, 1.5, 9, 0.2, 3)
    print(test_data)
    # 输出示例：[0.1, 0.12, 0.13, 0.18, 1.0, 1.2, 1.0, 0.9, 0.6]

参数调整说明 #

• max_step：控制单步最大变化幅度，值越小数据波动越平缓，可根据传感器实际特性调整：温湿度等慢变化传感器建议设为0.03_{0.1，流量、压力等快变化传感器可设为0.1}0.5
• 若需要避免数值长时间卡在边界，可将边界修正逻辑替换为反向步长逻辑，触碰到边界后自动反向变化：

# 替换原有的边界修正代码即可
if next_val > max_val:
    step = random.uniform(-max_step, 0)
    next_val = round(current_val + step, decimal_len)
elif next_val < min_val:
    step = random.uniform(0, max_step)
    next_val = round(current_val + step, decimal_len)

内容的提问来源于stack exchange，提问作者Abdul Haseeb