如何用NumPy实现生成模拟人群手机每日拿起次数的函数

首先纠正你对函数参数的误解：从给定的测试代码可以看出，get_population的三个参数分别是：

• 第一个参数pickups：期望的总体均值（测试用例传入45，断言要求返回的总体均值和45的差值小于0.5）
• 第二个参数pop_size：总体的个体数量（测试用例传入5000）
• 第三个参数不是标准差，是随机种子（测试用例传入42，用来固定随机生成结果，保证断言可稳定通过）

另外你提到用np.random.randint是不合适的，均匀分布生成的整数无法满足「标准差接近均值的平方根」的要求。结合拿起手机次数是离散计数类数据的特征，以及测试断言要求pop_std ≈ np.sqrt(45)，正好匹配泊松分布的特性：泊松分布的均值和方差相等，标准差就是均值的平方根，完全符合需求。

完整实现代码 #

import numpy as np

def get_population(pickups, pop_size, random_seed):
    # 设置随机种子保证结果可复现
    np.random.seed(random_seed)
    # 用泊松分布生成每个个体的每日拿起手机次数，λ为期望均值pickups
    pop_pickups = np.random.poisson(lam=pickups, size=pop_size)
    # 计算总体均值
    pop_mean = np.mean(pop_pickups)
    # 计算总体标准差（ddof=0代表总体标准差，不是样本标准差）
    pop_std = np.std(pop_pickups, ddof=0)
    return pop_pickups, pop_mean, pop_std

验证说明 #

你可以直接运行给定的测试代码：

pop_pickups, pop_mean, pop_std = get_population(45, 5000, 42)
assert np.abs(pop_mean - 45) < 0.5, "Get population problem, testing pop_mean, population mean returned does not match expected population mean"
assert np.abs(pop_std - np.sqrt(45)) < 0.5, "Get population problem, testing pop_std, population standard deviation returned does not match expected standard deviation"

运行后不会触发断言报错，完全符合测试要求。生成的pop_pickups就是长度为5000的数组，每个元素对应一个个体每日拿起手机的次数，可以直接用于后续的抽样作业。

内容的提问来源于stack exchange，提问作者Hefe