使用Python实现Halton采样及序列生成并绘图的相关库推荐

核心Halton采样/序列生成库 #

• scipy.stats.qmc：Scipy 1.7及以上版本内置的准蒙特卡洛采样模块，原生支持Halton序列生成，无需额外安装小众依赖，支持自定义维度、序列混淆、区间缩放等常用功能，是生产环境的首选方案。
• halton：轻量级专用Halton序列库，接口极简，专门针对Halton采样做了性能优化，适合仅需Halton相关功能的轻量化场景。

结果绘图支持库 #

• matplotlib：Python生态最通用的静态绘图库，可直接绘制2/3维Halton采样点散点图，和上述采样库完全兼容。
• plotly：适合需要交互式查看采样结果的场景，绘制的散点图支持放大缩小、悬停查看坐标值，调试时更方便。

最小可运行示例 #

以下是基于Scipy+Matplotlib的2维Halton采样+绘图实现：

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

# 初始化2维Halton采样器，开启混淆优化
sampler = qmc.Halton(d=2, scramble=True)
# 生成100个[0,1]区间内的采样点
sample = sampler.random(n=100)
# 可选：将采样点缩放到自定义范围，示例为x∈[0,10]、y∈[-5,5]
l_bounds = [0, -5]
u_bounds = [10, 5]
sample_scaled = qmc.scale(sample, l_bounds, u_bounds)

# 绘制采样结果
plt.scatter(sample_scaled[:, 0], sample_scaled[:, 1], alpha=0.7, edgecolors='white')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.title('2维Halton准随机采样结果')
plt.grid(alpha=0.3)
plt.show()

推荐始终开启scramble=True参数，可有效规避原始Halton序列低维度下的周期性相关问题，采样均匀性提升明显。

内容的提问来源于stack exchange，提问作者saeed